Lte Proyecto Fin de Carrera

UNIVERSIDAD POLITÉCNICA DE MADRID
ESCUELA TÉCNICA SUPERIOR DE INGENIEROS DE

TELECOMUNICACIÓN
PROYECTO FIN DE CARRERA
SIMULACIÓN DEL ENLACE DESCENDENTE EN REDES

TÍTULO:
LTE ORIENTADA A PLANIFICACIÓN RADIO
AUTOR: D. Jesús Javier Alonso Sánchez
TUTOR: D. Luis Mendo Tomás
MIEMBROS DEL TRIBUNAL

PRESIDENTE: D. José María Hernando Rábanos
VOCAL: D. José Manuel Riera Salís
SECRETARIO: D. Luis Mendo Tomás
SUPLENTE: D. Miguel Pérez Guerrero
FECHA DE LECTURA: _____________
CALIFICACIÓN: _________________
UNIVERSIDAD POLITÉCNICA DE MADRID
ESCUELA TÉCNICA SUPERIOR DE INGENIEROS DE
TELECOMUNICACIÓN
PROYECTO FIN DE CARRERA
SIMULACIÓN DEL ENLACE DESCENDENTE EN REDES LTE

ORIENTADA A PLANIFICACIÓN RADIO
JESÚS JAVIER ALONSO SÁNCHEZ

2015
Resumen
En este Proyecto de Fin de Carrera se describe la implementación de un si-

mulador del enlace descendente de un sistema LTE. Dicho simulador es capaz
de modelar con precisión las variaciones rápidas del canal, que se producen
debido al efecto del multitrayecto. Esto es vital a la hora de simular adecua-
damente las ganancias que se logran debido a la planificación dependiente
del canal que el sistema LTE es capaz de realizar. El objetivo es investigar
la relación existente entre la tasa de datos binaria obtenida por una estación
base y diferentes parámetros de los usuarios (como SINR o velocidad). El
objetivo final del proyecto es obtener un modelo que pueda predecir la tasa
binaria de la base como una función de algunos parámetros que caractericen
las condiciones de los usuarios. Se ha utilizado principalmente un planifica-
dor de tipo “proportional fair” debido a sus cualidades para para obtener
una tasa binaria razonablemente elevada a la vez que reparte el canal entre
todos los usuarios existentes de forma equitativa.
Palabras clave
LTE, Multitrayecto, Planificador, Simulación, Adaptación al enlace, Matlab,

Sistemas Celulares, Comunicaciones Móviles, 4G.
i
ii PALABRAS CLAVE
A mi madre.
Índice general
Resumen I
Palabras clave I
Agradecimientos XV
Glosario XVII
1. Introducción 1
1.1. Objetivos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 2
1.2. Estructura de la memoria . . . . . . . . . . . . . . . . . . . . 2
2. Fundamentos teóricos 5
2.1. Introducción al sistema LTE . . . . . . . . . . . . . . . . . . . 5
2.1.1. Principios básicos de transmisión: OFDM . . . . . . . . 7
2.1.2. Esquema de transmisión en LTE . . . . . . . . . . . . . 11
2.2. Canal multitrayecto . . . . . . . . . . . . . . . . . . . . . . . . 13
2.3. Planificación y adaptación de tasa . . . . . . . . . . . . . . . . 16
2.3.1. Adaptación al enlace: control de potencia vs. control
de tasa . . . . . . . . . . . . . . . . . . . . . . . . . . . 16
2.3.2. Planificación dependiente del canal . . . . . . . . . . . 18
2.3.3. Esquemas avanzados de retransmisión . . . . . . . . . . 20
2.4. Transmisión con múltiples antenas . . . . . . . . . . . . . . . . 22
2.4.1. Múltiples antenas en recepción . . . . . . . . . . . . . . 23
2.4.2. Múltiples antenas en transmisión . . . . . . . . . . . . 25
2.4.3. Multiplexación espacial . . . . . . . . . . . . . . . . . . 26
2.4.3.1. Descomposición en valores singulares . . . . . 29
2.4.3.2. Multiplexación espacial basada en matrices
de precodificación . . . . . . . . . . . . . . . . 31
2.5. Realimentación del estado del canal . . . . . . . . . . . . . . . 34
2.5.1. Informes de canal aperiódicos . . . . . . . . . . . . . . 36
v
vi ÍNDICE GENERAL
2.5.2. Informes de canal periódicos . . . . . . . . . . . . . . . 38

2.6. Organización en frecuencia en un sistema LTE . . . . . . . . . 39
3. Simulador LTE 43
3.1. Estructura del simulador . . . . . . . . . . . . . . . . . . . . . 43
3.1.1. Proceso de simulación . . . . . . . . . . . . . . . . . . 44
3.1.2. Parámetros característicos de simulación . . . . . . . . 45
3.2. Generación de los coeficientes de canal . . . . . . . . . . . . . 46
3.2.1. Pruebas del modelo de canal SCM . . . . . . . . . . . . 50
3.3. Distribución inicial de usuarios en la célula LTE . . . . . . . . 53
3.4. Cálculo de la SINR instantánea . . . . . . . . . . . . . . . . . 53
3.4.1. Caso 1: Diversidad en transmisión y recepción . . . . . 55
3.4.2. Caso 2: Multiplexación espacial . . . . . . . . . . . . . 56
3.5. Realimentación de valores de CQI . . . . . . . . . . . . . . . . 56
3.5.1. Matriz RI . . . . . . . . . . . . . . . . . . . . . . . . . 59
3.6. Planificación de usuarios . . . . . . . . . . . . . . . . . . . . . 61
3.6.1. Planificador proportional-fair . . . . . . . . . . . . . . 62
3.6.1.1. Descripción detallada del proceso de planifi-
cación con el PF . . . . . . . . . . . . . . . . 63
3.6.1.2. EESM . . . . . . . . . . . . . . . . . . . . . . 67
3.6.1.3. ACM, MCS . . . . . . . . . . . . . . . . . . . 69
3.6.1.4. Cálculo de la BLER asociada a cada formato
de transmisión . . . . . . . . . . . . . . . . . 69
3.6.1.5. HARQ . . . . . . . . . . . . . . . . . . . . . . 71
3.6.1.6. Multiplexación espacial en el planificador . . . 72
3.6.2. Planificador round-robin . . . . . . . . . . . . . . . . . 73
3.6.3. Planificador max-C/I . . . . . . . . . . . . . . . . . . . 74
4. Resultados obtenidos 77
4.1. Parámetros de entrada usados . . . . . . . . . . . . . . . . . . 77
4.2. Post-procesado . . . . . . . . . . . . . . . . . . . . . . . . . . 81
4.2.1. Datos contenidos por las simulaciones . . . . . . . . . . 81
4.2.2. Obtención de la tasa de datos . . . . . . . . . . . . . . 82
4.2.3. Nubes de throughput . . . . . . . . . . . . . . . . . . . 83
4.2.4. Tablas de tasa de datos . . . . . . . . . . . . . . . . . . 89
4.3. Simulaciones realizadas . . . . . . . . . . . . . . . . . . . . . . 95
4.3.1. Tanda A . . . . . . . . . . . . . . . . . . . . . . . . . . 96
4.3.2. Tanda B . . . . . . . . . . . . . . . . . . . . . . . . . . 100
4.3.3. Tanda C . . . . . . . . . . . . . . . . . . . . . . . . . . 104
4.3.4. Tanda D . . . . . . . . . . . . . . . . . . . . . . . . . . 107
ÍNDICE GENERAL vii
5. Conclusiones y líneas futuras 111

5.1. Conclusiones . . . . . . . . . . . . . . . . . . . . . . . . . . . . 111
5.2. Líneas futuras . . . . . . . . . . . . . . . . . . . . . . . . . . . 112
5.2.1. Línea futura 1: nuevas características . . . . . . . . . . 113
5.2.2. Línea futura 2: simulaciones y post-procesado . . . . . 115
Anexo 1: Artículo para URSI 2014 119

viii ÍNDICE GENERAL
Índice de figuras
2.1. Evolución de las comunicaciones móviles desde los años 90

hasta la actualidad [1] . . . . . . . . . . . . . . . . . . . . . . 6
2.2. Formas de las señales básicas empleadas en el esquema OFDM [1] 8
2.3. Espaciado de subportadoras en OFDM [1] . . . . . . . . . . . 8
2.4. Ejemplo de modulador OFDM [1] . . . . . . . . . . . . . . . . 9
2.5. Recursos de transmisión usando un esquema de transmisión
OFDM [1] . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 10
2.6. Comportamiento de una señal OFDM en contraposición a una
señal de banda ancha en un canal muy variable en frecuencia [1] 10
2.7. Multiplexado en frecuencia de diferentes usuarios en el canal
descendente de un sistema LTE [1] . . . . . . . . . . . . . . . 11
2.8. Estructura temporal de las tramas de un sistema LTE [1] . . . 12
2.9. Recursos tiempo-frecuencia de un sistema LTE [1] . . . . . . . 13
2.10. Esquema de propagación multitrayecto [2] . . . . . . . . . . . 14
2.11. Respuesta al impulso del canal en un instante dado [2] . . . . 14
2.12. Respuesta al impulso del canal variante en el tiempo [2] . . . . 15
2.13. Control de potencia [1] . . . . . . . . . . . . . . . . . . . . . . 17
2.14. Control de tasa de datos [1] . . . . . . . . . . . . . . . . . . . 17
2.15. Control de tasa de datos [1] . . . . . . . . . . . . . . . . . . . 19
2.16. HARQ con combinación y Chase combining [1] . . . . . . . . . 21
2.17. HARQ con combinación e incremental redundancy [1] . . . . . 22
2.18. Diversidad en recepción [3] . . . . . . . . . . . . . . . . . . . . 24
2.19. Diversidad en transmisión [3] . . . . . . . . . . . . . . . . . . 25
2.20. Esquema de transmisión con MIMO 2x2 [1] . . . . . . . . . . . 27
2.21. Esquema de recepción con MIMO 2x2 [1] . . . . . . . . . . . . 28
2.22. Conversión de un canal MIMO en múltiples canales paralelos
mediante SVD [4] . . . . . . . . . . . . . . . . . . . . . . . . . 30
2.23. Arquitectura SVD para comunicación empleando MIMO [4] . 31
2.24. Estructura básica de un precodificador LTE basado en un
codebook. Se puede visualizar como las señales de referencia
(CRS) son incluidas tras la precodificación [1] . . . . . . . . . 32
ix
x ÍNDICE DE FIGURAS
2.25. Mapeo de bloques de transporte a puertos de antena para

precodificación basada en codebook [1] . . . . . . . . . . . . . . 32
2.26. Matrices de precodificación para dos puertos de antena y dos
capas (la primera matriz 2 x 2 sólo se usa para precodificación
de bucle abierto) [1] . . . . . . . . . . . . . . . . . . . . . . . . 33
2.27. Resumen de los distintos modos de informes aperiódicos de
canal [1] . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 37
2.28. Resumen de los distintos modos de informes periódicos de ca-
nal [1] . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 39
2.29. Bandas simétricas definidas por el 3GPP para LTE [1] . . . . 40
2.30. Bandas no simétricas definidas por el 3GPP para LTE [1] . . . 40
2.31. Anchos de banda de un sistema LTE [1] . . . . . . . . . . . . 40
2.32. Bandas especificadas para LTE por encima de 1 GHz según
bandas de frecuencia de la ITU [1] . . . . . . . . . . . . . . . . 41
2.33. Bandas especificadas para LTE por debajo de 1 GHz según
bandas de frecuencia de la ITU [1] . . . . . . . . . . . . . . . . 41
2.34. Ejemplo de como se puede realizar una migración paso a paso
de cualquier sistema a LTE en una banda concreta de frecuen-
cias [1] . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 42
3.1. Flujo general de ejecución del simulador desarrollado . . . . . 45

3.2. Variación de los coeficientes de canal para un usuario movién-
dose a 3 Km/h en entorno micro. El eje “x” representa “bins”
de tiempo (en saltos de 2 ms) y el eje “y” representa bins de
frecuencia (en saltos en frecuencia de 180 k KHz) en torno a
una frecuencia central de 2 GHz. Esto aplica también a las
Figuras 3.3, 3.4 y 3.5. . . . . . . . . . . . . . . . . . . . . . . . 50
dose a 50 Km/h en un entorno micro . . . . . . . . . . . . . . 51
dose a 5 Km/h en el escenario macro . . . . . . . . . . . . . . 52
dose a 5 Km/h en el escenario micro . . . . . . . . . . . . . . 52
3.6. Distribuciones de usuarios en escenarios macro y micro según
[5]. Eje x: SINR, eje y: probabilidad acumulada. . . . . . . . . 54
3.7. Distribuciones de usuarios en la célula de cobertura para los
escenarios macro y micro simulados . . . . . . . . . . . . . . . 55
3.8. Posibles tipos de informes aperiódicos de CQI, en función del
modo de transmisión elegido para el canal PDSCH [3] . . . . . 57
3.9. Tamaño k de la sub-banda para diferentes anchos de banda de
sistema [3] . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 57
ÍNDICE DE FIGURAS xi
3.10. Gráfica de número de recursos asignados según tipo de multi-

plexación espacial en una simulación tipo C, con 10 usuarios,
moviéndose a 3 km/h en un escenario micro . . . . . . . . . . 60
plexación espacial en una simulación tipo A, con 10 usuarios,
moviéndose a 3 km/h en un escenario micro . . . . . . . . . . 60
plexación espacial en una simulación tipo A, con 10 usuarios,
moviéndose a 3 km/h en un escenario macro . . . . . . . . . . 61
3.13. Asignación de recursos radio en un planificador proportional-
fair [1] . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 62
3.14. Curvas que muestran valores de BLER para un CQI y una
SINR dada [6] . . . . . . . . . . . . . . . . . . . . . . . . . . . 66
3.15. Ejemplo gráfico del funcionamiento del planificador PF. En el
eje de tiempo cada valor corresponde a muestras espaciadas 2
ms. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 67
3.16. Ganancias de transmisión empleando métodos HARQ [7] . . . 72
3.17. Asignación de recursos radio en un planificador round-robin [1] 73
3.18. Ejemplo gráfico del funcionamiento del planificador RR . . . . 74
3.19. Ejemplo gráfico del funcionamiento del planificador max-C/I [1] 75
4.1. Visión general del proceso de post-procesado, así como de las

diferentes etapas que lo componen . . . . . . . . . . . . . . . . 82
4.2. Ejemplo de “nube de throughput” . . . . . . . . . . . . . . . . 84
4.3. Estrategia de post-procesado 1: (media, n=1) . . . . . . . . . 86
4.4. Estrategia de post-procesado 2: (media, n=1.5) . . . . . . . . 86
4.5. Estrategia de post-procesado 3: (media, n=2: desviación típica) 87
4.6. Estrategia de post-procesado 4: (media, percentil 75 %) . . . . 87
4.7. Estrategia de post-procesado 5: (mediana, n=1) . . . . . . . . 87
4.8. Estrategia de post-procesado 6: (mediana, n=1.5) . . . . . . . 88
4.9. Estrategia de post-procesado 7: (mediana, n=2: desviación tí-
pica) . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 88
4.10. Estrategia de post-procesado 8: (mediana, percentil 75 %) . . . 88
4.11. Conjunto de simulaciones sobre el que se aplicaron los distintos
post-procesados por bins . . . . . . . . . . . . . . . . . . . . . 89
4.12. Ejemplo de “bins” en un grupo de simulaciones . . . . . . . . 90
4.13. Ejemplo gráfico de tasa binaria media por bin . . . . . . . . . 92
4.14. “Nubes de throughput” de los distintos grupos de la Tanda A 98
4.15. “Nubes de throughput” de los distintos grupos de la Tanda B 103
4.16. “Nubes de throughput” de los distintos grupos de la Tanda C 106
4.17. “Nubes de throughput” de los distintos grupos de la Tanda D 109
xii ÍNDICE DE FIGURAS
5.1. Categorías de terminales [1] . . . . . . . . . . . . . . . . . . . 113

5.2. Transmisión usando “agregación de portadoras” en LTE [1] . . 114
5.3. Relaying [1] . . . . . . . . . . . . . . . . . . . . . . . . . . . . 115
Índice de tablas
3.1. Parámetros de configuración usados en el modelo SCM . . . . 48

3.2. Tabla usada para el cómputo de los CQI . . . . . . . . . . . . 58
3.3. Valores de β para cada CQI . . . . . . . . . . . . . . . . . . . 65
3.4. Tabla de MCS empleada [8] . . . . . . . . . . . . . . . . . . . 70
4.1. Input parameters . . . . . . . . . . . . . . . . . . . . . . . . . 78

4.2. Ejemplo de tabla final de throughput (Mbps) . . . . . . . . . . 93
4.3. Tabla con los valores de desviación típica (σ) de throughput *
(en bps) para los valores de SINR de la Tabla 4.2 . . . . . . . 94
4.4. Parámetros característicos para las distintas tandas de simu-
laciones . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 95
4.5. Parámetros característicos para los distintos grupos de simu-
laciones . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 96
4.6. Resumen de resultados para la Tanda A . . . . . . . . . . . . 97
4.7. Resumen de resultados para la Tanda B . . . . . . . . . . . . 101
4.8. Comparativa entre el throughput medio obtenido por cada gru-
po de simulaciones de las Tandas A y B . . . . . . . . . . . . . 102
4.9. Resumen de resultados para la Tanda C . . . . . . . . . . . . 104
po de simulaciones de las Tandas A y C . . . . . . . . . . . . 105
4.11. Resumen de resultados para la Tanda D . . . . . . . . . . . . 107
po de simulaciones de las Tandas A y D . . . . . . . . . . . . 108
xiii
xiv ÍNDICE DE TABLAS
Agradecimientos
La escritura de este proyecto supone el punto final a un largo camino;

camino que ha sido duro de recorrer, como todos los que me han acompañado
a lo largo de él, pueden atestiguar. Por eso sería injusto no dedicar unas
palabras de agradecimiento a todas las personas que han estado conmigo a
lo largo de estos, por otra parte, apasionantes años.
Gracias en primer lugar a mis padres, Jesús y Pilar, por su cariño, su
apoyo incondicional y por el esfuerzo que han realizado para que yo haya
podido llegar hasta este punto. Gracias también a mi hermano, Víctor, porque
en no pocas ocasiones me ha enseñado que para lograr algo la preocupación
excesiva no es buena compañera de viaje. Y por ser tan genial como es, claro.
Gracias a mis abuelos, tanto a los que están como a los que no, porque
sin todos los increíbles esfuerzos que ellos han realizado en momentos mucho
más difíciles que los actuales, yo no podría estar escribiendo esto. Gracias a
mi tío Pedro y a mi tía Gema por su atención y su apoyo.
Gracias a Elena, por todo lo que hemos compartido y todo el apoyo que
me has dado.
Gracias a mi, inicialmente profesor y más tarde tutor, Luis Mendo, por su
increíble dedicación, atención y capacidad para transmitir conocimientos y
alentar a sus alumnos a querer saber aún más. Junto con Luis, gracias a José
Manuel y José María Hernando por darme la oportunidad de realizar este
PFC y, por darme también la increíble oportunidad de presentar el trabajo
realizado en un congreso a nivel nacional. Gracias en general al GTIC, y a
la gente con la que he podido compartir tiempo allí (Gustavo, Miguel, Jorge,
Zoraida, Elena, Carlos...). Sin lugar a dudas, ha sido una de las mejores
etapas en la ETSIT, si no la mejor.
Gracias a mis amigos de toda la vida, en especial a Rubén y a Jorge,
con los que he compartido innumerables horas de estudio —cada uno en su
ingeniería—, de penas y de alegrías. Me habéis soportado en los momentos
complicados, me habéis apoyado, aconsejado y ayudado.
Gracias a Dani, Víctor, Adri, Jaime, Esteban, Javi y Javier por lo bien
(corto me quedo) que nos lo hemos pasado, tanto dentro de la escuela como
xv
xvi AGRADECIMIENTOS
fuera. ¡y lo que nos queda aún! Conoceros fue como volver a vivir la entrada
en la Universidad y he de decir, que no pierdo la esperanza de que, más
pronto que tarde coincidamos todos, en tiempo y en espacio, en una estación
de esquí.
Gracias a Jorge, una de las persona más positivas y afables que he co-
nocido en la escuela. Siempre has conseguido sacarnos una sonrisa a todos
cuando más falta hacía.
Gracias a Álvaro Gandhi (y esposa), por esa gran amistad que se for-
jó en nuestros primeros años de carrera, que tantos grandes momentos que
nos ha dado y que mantenemos, aunque académicamente nuestros caminos
se separasen hace ya años. Gracias a los clubes de la escuela en general y
a la Delegación de Alumnos en particular por permitirme desarrollar mis
inquietudes al margen de lo meramente académico.
Gracias a Rober, Alberto, Marta, Xurxo, Rodrigo y José por todos los
buenos momentos que hemos pasado juntos desde que entramos en la escuela
y por todos los viajes que hemos hecho, ¡que no son pocos!
Gracias a todas las personas que con su esfuerzo y dedicación han hecho,
y hacen posible, una enseñanza pública de calidad.
Glosario
2G Segunda Generación
3G Tercera Generación
3GPP Third Generation Partnership Project
4G Cuarta Generación
5G Quinta Generación
AMC Adaptive Modulation and Coding
ARQ Automatic Repeat Request
BLER Block-Error Rate
BS Base Station
CDF Cummulative Distribution Function
CQI Channel Quality Indicator
CP Cyclic Prefix
4G Channel-State Information
DFT Discrete Fourier Transform
DFTS-OFDM DFT-Spread OFDM
DL Downlink
DVB Digital Video Broadcasting
EESM Exponential Effective SINR Mapping
eNodeB E-UTRAN Node B
E-UTRAN Evolved UTRAN
FDD Frequency-Division Duplex
FDMA Frequency-Division
FDMA Frequency-Division Multiple Access
FEC Forward Error Correction
GPRS General Packet Radio Service
GSM Global System for Mobile Communications
HSDPA High-Speed Downlink Packet Access
HSPA High-Speed Packet Access
IDFT Inverse DFT
IP Internet Protocol
4G Incremental Redundancy
xvii
xviii GLOSARIO
LTE Long-Term Evolution

MCS Modulation and Coding Scheme
MIMO Multiple-Input Multiple-Output
MISO Multiple-Input Single-Output
OFDM Orthogonal Frequency-Division Multiplexing
PDSCH Physical Downlink Shared Channel
PF Proportional Fair
PMI Precoder Matrix Indication
RB Resource Block
RI Rank Inidication
RR Round Robin
SCM Spatial Channel Model
SCME Epatial Channel Model Extended
SINR Signal to Interference and Noise Ratio
SIR Signal to Interference Ratio
SISO Single Input - Single Output
SNR Signal to Noise Ratio
TDD Time Division Duplex
TTI Transmission Time Interval
UE User Equipment
UL Uplink
UMTS Universal Mobile Telecommunications System
UTRAN Universal Terrestrial Radio Access Network
WCDMA Wideband Code Division Multiple Access
WiMAX Worldwide Interoperability for Microwave Access
WINNER Wireless World Initiative New Radio
Capítulo 1
Introducción
Las Comunicaciones Móviles se han convertido en un elemento básico pa-

ra el intercambio de información en la sociedad actual. En las últimas dos
décadas, la telefonía móvil ha pasado de ser una tecnología cara, con una
difusión reducida, a extenderse y ser adoptada por gran parte de la pobla-
ción mundial. Durante los últimos años, e indudablemente unido a la llegada
de los smartphones, se está produciendo un cambio de paradigma en el uso
de este servicio. La demanda del usuario medio ya no se limita a la realiza-
ción de llamadas de voz y envío de mensajes de texto; sino que los servicios
relacionados con el uso de datos están ganando —de forma abrumadora—
protagonismo en el perfil de uso de la telefonía móvil.
La evolución de la telefonía móvil se materializa con la implantación su-
cesiva de distintos estándares, que surgen como respuesta a las diferentes
necesidades que los usuarios puedan tener. Actualmente, el sector de la tele-
fonía móvil está en fase de adopción de la tecnología Long-Term Evolution
(LTE), ampliamente considerada a día de hoy1 como primera tecnología de
comunicaciones móviles “4G” (cuarta generación).
A día de hoy, la tecnología LTE es una realidad y se encuentra dispo-
nible comercialmente en España, tanto a nivel de red como de terminal de
usuario. Los principales operadores se encuentran en pleno despliegue de la
tecnología, sin embargo este despliegue está teniendo —de momento— un
marcado carácter comercial, puesto que múltiples localizaciones de la geo-
grafía española cuentan con cobertura LTE, pero no dimensionada para que
un gran número de usuarios puedan disfrutar del servicio con las prestaciones
inicialmente especificadas (o publicitadas).
Este aspecto entra de lleno en la motivación para la realización de este
1
A pesar de que —estrictamente hablando— LTE no es una tecnología 4G, sino “pre-
4G”, a partir de 2010 la International Telecommunications Union (ITU) acepta que LTE
sea considerada una tecnología 4G [9].
1
2 CAPÍTULO 1. INTRODUCCIÓN
PFC: el estudio requerido para el dimensionamiento de un despliegue comple-

jo basado en tecnología LTE es tremendamente costoso, dadas las diferencias
en las gestión del espectro existentes con otras generaciones de Comunicacio-
nes Móviles anteriores. En consecuencia, el grupo GTIC-Radiocomunicaciones
junto la empresa Aptica, han decidido realizar un estudio detallado sobre
las mejoras por planificación en LTE cuando se tienen en cuenta de forma
detallada los fenómenos de multitrayecto, con propósito de incorporar la in-
formación obtenida a las herramientas Sirenet y Xirio de Aptica.
En el siguiente apartado se enuncian los objetivos de este PFC.
1.1. Objetivos
Desarrollar en lenguaje Matlab un simulador completamente funcional
que tenga en cuenta los fenómenos de propagación debidos al multitra-
yecto y su incidencia en el canal, de tal manera que se pueda realizar
una planificación de usuarios (scheduling) basada en la información más
real y precisa posible.
Realizar un gran número de simulaciones para asegurar que la infor-
mación extraída de dichas simulaciones sea realista.
Caracterizar dicha información y crear con ella una “interfaz” que per-
mita a las herramientas de planificación de la compañía Aptica benefi-
ciarse de los resultados sin necesidad de realizar esas simulaciones como
parte de la planificación radio. La idea esencial es que de las simula-
ciones realizadas se extraen una serie de resultados tabulados que las
herramientas de la empresa Aptica (Sirenet, Xirio) simplemente leen,
lo que permite que la planificación se más rápida.
1.2. Estructura de la memoria

Se pretende que el presente documento sea autocontenido en la medida de
lo posible, de tal manera que el lector no necesite recurrir a la bibliografía in-
cluida salvo deseo de ampliar conocimientos. Esta memoria consta de cuatro
capítulos principales: “Fundamentos teóricos”, “Simulador LTE”, “Resulta-
dos de las simulaciones” y “Conclusiones y líneas futuras”. A continuación se
describen con mayor detalle los capítulos indicados:
Capítulo 2 - “Fundamentos teóricos” Contiene un estudio de los con-
ceptos esenciales de LTE, en particular de aquellos que afectan a lo
estudiado en este trabajo.
1.2. ESTRUCTURA DE LA MEMORIA 3
Capítulo 3 - “Simulador LTE” Describe en toda su extensión el simu-

lador implementado, profundizando en los algoritmos y los conceptos
matemáticos utilizados en distintos puntos. También incluye una des-
cripción de un módulo adicional que se usa para simular el canal mul-
titrayecto.
Capítulo 4 - “Resultados de las simulaciones” En este capítulo se mues-

tran y analizan todos los resultados obtenidos de las simulaciones rea-
lizadas.
Capítulo 5 - “Conclusiones y líneas futuras” Contiene las conclusiones

extraídas del análisis de resultados, evaluando hasta qué punto se han
obtenido los resultados buscados. También se describe qué trabajos
futuros podría ser interesante realizar sobre la base del simulador im-
plementado y de trabajo realizado.
4 CAPÍTULO 1. INTRODUCCIÓN
Capítulo 2
Fundamentos teóricos
El objetivo de este capítulo es ofrecer un resumen sobre distintos con-

ceptos de la tecnología LTE, de tal forma que el texto sea autocontenido y
por tanto albergue la explicación teórica de todas las ideas o funcionalidades
de LTE que hayan sido usadas en este PFC. Para ello se comienza con una
introducción sobre la tecnología LTE y sus aspectos más destacados, para
posteriormente proseguir realizando sucesivas descripciones de los conceptos
y funcionalidades que se han considerado de mayor importancia.
2.1. Introducción al sistema LTE

La evolución de los sistemas 3G a los 4G (en la Figura 2.1 se ofrece un
resumen de las distintas tecnologías de Comunicaciones Móviles y su evolu-
ción desde hace dos décadas) es principalmente debida a la implantación de
nuevos tipos de servicios para dispositivos móviles, y habilitada a su vez, por
las nuevas tecnologías disponibles para sistemas de comunicaciones móviles.
La funcionalidad fundamental que ha dirigido la evolución de los sistemas
de Comunicaciones Móviles en los últimos años ha sido la conectividad a
Internet (que a su vez, permite la conexión a todo un nuevo mundo de ser-
vicios prestados mediante aplicaciones). Debido a esto, una de las principales
características de LTE es que está “orientado a datos” y tiene una arquitec-
tura de sistema todo IP1 , por tanto, está basado en redes de conmutación
de paquetes.
En un sistema basado en el Internet Protocol (IP) no se tiene en cuenta
la naturaleza de los datos que transporta2 , lo que habilita la posibilidad de
1
De hecho, LTE sólo soporta nativamente comunicaciones de datos (mediante IP), pero
no llamadas, siendo en ese caso necesario hacer un handover a una red 3G.
2
Al menos, en una primera aproximación. Existen técnicas de tipo Diffserv que pueden
5
6 CAPÍTULO 2. FUNDAMENTOS TEÓRICOS
Figura 2.1: Evolución de las comunicaciones móviles desde los años 90 hasta
la actualidad [1]
soportar una gran cantidad de servicios distintos. Los parámetros fundamen-

tales de la interfaz radio en un sistema con las características enunciadas son
los siguientes:
Tasa de datos. Los servicios con requisitos de tasa de datos baja, co-
mo los servicios de voz, son esenciales y suponen una gran parte de los
recursos utilizados en una red de Comunicaciones Móviles, sin embar-
go, son los servicios con requerimientos de altas tasas de transmisión
de datos los que condicionan el diseño de la interfaz radio. Servicios
como la navegación web, streaming de audio o vídeo y transferencia de
ficheros, han empujado la capacidad de los sistemas de Comunicacio-
nes Móviles desde apenas algunos kbps (en 2G) o Mbps (en 3G), hasta
las decenas de Mbps en las tecnologías bajo el paraguas 4G. Se espera
que en los próximos años se llegue a cientos de Mbps, incluso se están
empezando a sentar las bases de los sistemas 5G, para los cuales se
quieren alcanzar tasas del orden de Gbps.
Retardo. Es un elemento fundamental dentro de los perfiles de uso

en auge a día de hoy, llegando a ser crítico en actividades como jugar
on-line, videoconferencia o streaming de vídeo en directo. En cualquier
priorizar unos tipos de datos frente a otros. Esto es principalmente usado para servicios
de comunicación en tiempo real (voz y su señalización).
2.1. INTRODUCCIÓN AL SISTEMA LTE 7
caso un retardo bajo afecta positivamente a la experiencia de uso de

cualquier servicio de datos. Todo esto hace que, en las redes modernas
de Comunicaciones Móviles el retardo sea un criterio de diseño funda-
mental.
Capacidad. Desde el punto de vista del operador de una red de Comu-

nicaciones Móviles, se refiere a la tasa de datos media (en el tiempo) que
una estación base es capaz de alcanzar cuando transmite a un grupo de
usuarios. Está directamente relacionada con la cantidad de usuarios a
los que se puede dar servicio en las condiciones requeridas. En esencia,
se trata de la tasa de datos que se puede proveer por hercio de espec-
tro disponible. La capacidad juega un papel fundamental en este PFC,
puesto que conforma la unidad básica de comparación de resultados.
En el marco de las características descritas, es importante mencionar

que el organismo encargado de publicar las especificaciones de LTE es el
Third Generation Partnership Project (3GPP). Es una organización global
compuesta por múltiples entidades de estandarización de diversas regiones
del mundo. Otras tecnologías —ampliamente conocidas— desarrolladas por
el 3GPP son GSM, GPRS, UMTS y HSPA.
2.1.1. Principios básicos de transmisión: OFDM

Orthogonal Frequency-Division Multiplexing (OFDM) es el esquema de
transmisión usado en LTE y otras tecnologías de acceso radio como WiMAX
o DVB.
OFDM puede ser visto como un sistema multiportadora. Las caracterís-
ticas fundamentales que lo diferencian de un sistema multiportadora “puro”
son:
Gran cantidad de subportadoras de banda estrecha y ortogonales.
Los símbolos de cada subportadora tienen una forma rectangular en el

tiempo, y su espectro es una sinc. Esto puede ser visto en la Figura 2.2
Separación muy reducida en el dominio de la frecuencia para para las

subportadoras, concretamente ∆f = 1/(Tu ), donde Tu es el tiempo
de símbolo de cada subportadora3 (ver Figura 2.3). El espaciado entre
subportadoras es, por tanto, igual al tiempo de símbolo.
3
En realidad es Tu + Tg , pero se deja como Tu por simplificar la explicación.
Una descripción básica de un modulador OFDM puede verse en la Figura

2.4. Está formado por un banco de Nc moduladores complejos, donde cada
modulador se corresponde con una subportadora OFDM. Una señal compleja
OFDM en banda base, x(t), definida en el intervalo temporal mTu ≤ t ≤
(m + 1)/Tu puede ser expresada de la siguiente manera:
NØ
c −1 NØ
c −1
(m)
x(t) = xk (t) = ak ej2πk∆f t (2.1)
k=0 k=0
donde xk (t) es la k-ésima subportadora, con una frecuencia igual a fk = k·∆f

(m)
y ak es el símbolo —generalmente complejo— con el que se modula la k-
ésima subportadora durante el m-ésimo intervalo de símbolo OFDM.
(a) Pulso (b) Sinc
Figura 2.2: Formas de las señales básicas empleadas en el esquema

OFDM [1]
Figura 2.3: Espaciado de subportadoras en OFDM [1]
Durante cada intervalo de símbolo OFDM, Nc símbolos son transmitidos

en paralelo. Estos símbolos pueden pertenecer al conjunto de símbolos de
cualquier tipo de modulación digital, como QPSK, 16QAM ó 64QAM.
Figura 2.4: Ejemplo de modulador OFDM [1]
El número de subportadoras OFDM puede variar desde varios cientos a

miles y el espaciado entre ellas, desde cientos de kHz a sólo algunos kHz.
El espaciado entre subportadoras a usar depende de las características del
entorno en el que el sistema va a ser utilizado. Aspectos que influyen direc-
tamente en el espaciado entre subportadoras son:
Máxima selectividad en frecuencia del canal (o máxima dispersión tem-

poral esperada). La selectividad en frecuencia produce que la ganancia
del canal en distintas subportadoras pueda ser distinta. Si el ancho
de banda de las subportadoras es demasiado grande este efecto puede
producir distorsión en la información transmitida en cada una de ellas.
Variabilidad temporal del canal (variabilidad de la respuesta en fre-

cuencia del canal con el tiempo). Está relacionada con la dispersión
por efecto Doppler del canal, fD := v/c · fv , donde v es la velocidad
del terminal, fc es la frecuencia central (2 GHz, por ejemplo) y c es la
velocidad de la luz.
Una vez decidido el espaciado entre subportadoras apropiado al canal,

el número de estas varía fundamentalmente en función del ancho de banda
requerido para el sistema.
El espaciado entre subportadoras en LTE, ∆f , es de 15ó 7.5 kHz [1].
Un esquema de transmisión OFDM puede ser visto como un conjunto de
señales ϕ(t)k que son moduladas, donde:

ej2πk∆ft 0 ≤ Tu
ϕ(t)k  (2.2)
0 resto de casos
por tanto, el recurso físico no es sólo temporal, sino también frecuencial,

como se muestra en la Figura 2.5
Figura 2.5: Recursos de transmisión usando un esquema de transmisión

OFDM [1]
(a) Señal de banda ancha (b) Señal OFDM
Figura 2.6: Comportamiento de una señal OFDM en contraposición a una

señal de banda ancha en un canal muy variable en frecuencia [1]
Como las subportadoras son ortogonales entre sí, pueden ser teóricamente
transmitidas sin que se produzcan interferencias entre ellas. Sin embargo, en
un canal con dispersión temporal, esta ortogonalidad se ve en parte reducida.
La solución a este problema pasa por inserta un prefijo cíclico (CP, Cyclic
Prefix), sin embargo, esta cuestión está fuera del ámbito de este PFC, por lo
que se invita al lector a seguir las referencias bibliográficas para obtener más
información.
En la Figura 2.6(b) se puede ver uno de los aspectos más interesantes de
un esquema de transmisión OFDM como el que usa LTE. Una de las caracte-
rísticas de los canales multitrayecto, tan típicos en comunicaciones móviles,
es su selectividad y variabilidad en frecuencia. En la Figura 2.6(a) se puede
ver una señal clásica de banda ancha como la que se usa en sistemas UMTS.
Se puede intuir que la señal tras pasar por el canal representado va a quedar
tremendamente distorsionada. Sin embargo, en una señal OFDM, como el
ancho de banda de las subportadoras es muy pequeño, es posible suponer
que la respuesta en frecuencia del canal es constante en el rango de frecuen-
cias asociado a cada subportadora. Como en LTE se puede planificar a los
usuarios en tiempo y frecuencia, asignando a cada usuario los recursos ade-
cuados (a decidir por el planificador), estos pueden encontrarse con canales
virtualmente “planos” en el rango de frecuencias asignado (realmente cada
recurso puede ser “plano” y a cada usuario se le pueden asignar múltiples
recursos de este tipo, no necesariamente contiguos). Cada usuario puede ser
planificado en una cantidad variable de subportadoras; esto se puede ver en
la Figura 2.7. Nótese que sólo se hace mención al canal descendente que,
como se ha dicho, es el más relevante para este PFC.
Figura 2.7: Multiplexado en frecuencia de diferentes usuarios en el canal

descendente de un sistema LTE [1]
Es interesante mencionar que las portadoras en las que se transmite a un

usuario no tienen por qué ser contiguas.
Más adelante se verán en detalle las unidades básicas de planificación en
tiempo y frecuencia del sistema LTE, los denominados resource blocks (RB).
2.1.2. Esquema de transmisión en LTE

El esquema de transmisión de LTE para el canal descendente está basa-
do en los principios expuestos en el apartado anterior sobre la modulación
OFDM.
El espaciado entre las subportadoras OFDM de LTE es de 15 kHz tanto
para el canal descendente, como para el ascendente. En el dominio temporal,
las transmisiones LTE están organizadas en tramas radio de 10 ms se dura-

ción, cada una de las cuales se divide en 10 subtramas de 1 ms de duración,
como se muestra en la Figura 2.8. Cada subtrama está, a su vez, dividida
en dos slots de tiempo, de duración Tslot = 0.5 ms. Cada slot contiene 6 ó 7
símbolos OFDM (dependiendo de la longitud del prefijo cíclico que se escoja
para cada símbolo OFDM).
Figura 2.8: Estructura temporal de las tramas de un sistema LTE [1]
El recurso físico básico en un sistema LTE es el denominado resource

element (RE) y está formado por una subportadora OFDM durante un
símbolo OFDM. Como se puede observar en la Figura 2.9, los RE se agrupan
para formar los denominados resource blocks (RB); cada RB está compues-
to de 12 subportadoras OFDM consecutivas en el dominio de la frecuencia
y un slot de 0.5 ms en el dominio temporal. Cada RB contiene, por tanto,
7 · 12 = 84 RE en el caso de usar un prefijo cíclico de duración estándar4 .
A pesar de que los RB están definidos sobre un slot de tiempo, desde el
punto de vista de la planificación dinámica, el recurso básico es la subtrama
LTE, de 1 ms de duración (dos slots consecutivos). El número de RB que
admite la especificación LTE varía entre 6 (1 MHz de ancho de banda) y 110
(20 MHz de ancho de banda).
4
En LTE se pueden usar dos prefijos cíclicos de distintas duraciones: la estándar y la
ampliada. La ampliada está indicada en entornos con gran dispersión. En la Figura 2.8 se
muestran ejemplos de los tipos de prefijos cíclicos.
2.2. CANAL MULTITRAYECTO 13
Lo más interesante desde el punto de vista de este PFC, es que el recurso

temporal mínimo asignable es una subtrama (subframe) de 1 ms de duración.
10 de estas subtramas forman una trama LTE, que es la división temporal
de mayor tamaño.
Figura 2.9: Recursos tiempo-frecuencia de un sistema LTE [1]
En lo referente a operación dúplex, LTE puede operar tanto con un esque-

ma FDD (Frequency-Division Duplex), como con un esquema TDD (Time-
Division Duplex. En FDD, los enlaces descendente (downlink, DL) y ascen-
dente (uplink, UL) ocupan cada uno una banda de frecuencias distinta (fDL
y fUL ). Usando un esquema TDD ambos enlaces transmiten en la misma
banda, por lo que sólo se puede operar uno de ellos al mismo tiempo.
En el simulador implementado la opción utilizada es FDD, lo que se
adecua a la realidad de los despliegues comerciales de sistemas de Comuni-
caciones Móviles basados en LTE5 .
2.2. Canal multitrayecto

La propagación en un canal multitrayecto es una de las piedras angulares
de este proyecto, puesto que de lo que se trata es de cuantificar la mejo-
ría conseguida con técnicas de planificación, que se obtiene en un entorno
multitrayecto apropiadamente simulado. Un canal multitrayecto presenta la
ventaja de que la señal se propaga por múltiples caminos [2], lo que puede
tener el efecto positivo de aumentar la cobertura o el nivel de señal recibido.
Sin embargo, presenta una serie de inconvenientes:
En distintos puntos de la transmisión la señal puede no sumarse en fase
(interferencia destructiva), lo que produce un desvanecimiento.
5
El esquema TDD está teniendo cierto protagonismo para despliegues LTE con el ob-
jetivo de prestar servicios tipo TETRA.
El canal se vuelve selectivo en frecuencia (dispersión temporal), lo que

puede producir distorsión en la señal. La modulación OFDM que LTE
emplea puede aprovecharse de esta selectividad en frecuencia del canal.
El canal se vuelve selectivo en el tiempo, lo que puede llegar a causar

distorsión en la señal (depende de la variabilidad temporal del canal).
Figura 2.10: Esquema de propagación multitrayecto [2]
Figura 2.11: Respuesta al impulso del canal en un instante dado [2]
La Figura 2.11 muestra una posible respuesta al impulso de un canal con-

creto en un instante dado, mientras que la Figura 2.12 muestra la evolución
temporal de dicha respuesta al impulso.
Si la respuesta al impulso variante en el tiempo del canal es h(t, τ ), po-
demos obtener las siguientes funciones que también lo describen:
Función de transferencia variante en el tiempo: T (t, f ) = Fτ [h(t, τ )].
Función de desplazamiento Doppler - retardo: S(v, τ ) = Ft [h(t, τ )].

2.2. CANAL MULTITRAYECTO 15
Función de transferencia - desplazamiento Doppler: H(v, f ) = Ft [Fτ [h(t, τ )]].
En este PFC la representación principal es la dada por la función de

transferencia variante en el tiempo del canal, T (t, f ). Esta la forma que toman
las matrices de coeficientes de canal (tiempo y frecuencia) usadas en las
simulaciones y que están descritas en el Capítulo 3.
Figura 2.12: Respuesta al impulso del canal variante en el tiempo [2]
La variación aleatoria de h(t, τ ) produce desvanecimientos. Dichos des-

vanecimientos son sensibles a la frecuencia (afectan de manera diferente a las
distintas componentes en frecuencia) y al tiempo (afectan de forma distinta
a señales transmitidas en instantes de tiempo diferentes). La principal ca-
racterística de las variaciones que producen estos desvanecimientos es que
son muy rápidas. Este fenómeno es uno de los que se trata de simular con
precisión para que la información con la que se realiza la planificación sea lo
más realista posible.
2.3. Planificación y adaptación de tasa

Una de las características clave de los canales de Comunicaciones Móvi-
les es la rápida variabilidad de las condiciones instantáneas del canal radio.
Esta variabilidad tiene distintos orígenes, siendo uno de los principales el
desvanecimiento selectivo en frecuencia. Además existen variaciones rápidas
y aleatorias en la atenuación del canal. El desvanecimiento por sombra y la
propia atenuación por distancia también afectan significativamente a la po-
tencia recibida. A todo esto hay que añadir, además, que las interferencias
que producen otros elementos de la red también impactarán sobre el nivel de
señal recibido.
En resumen: en Comunicaciones Móviles el canal es tremendamente va-
riable (y de forma poco predecible). Estas variaciones han de ser tenidas en
cuentas y explotadas en la medida de lo posible. Para ello se va a hacer uso
de distintas técnicas:
Planificación dependiente del canal, en la que a los usuarios se

les asignan recursos de transmisión en tiempo y frecuencia buscando
maximizar la tasa de datos obtenida por la estación base.
Adaptación al canal. Técnica que consiste en variar los parámetros

de transmisión para ajustarse a las condiciones del canal.
Hybrid-ARQ (HARQ). Mientras que las técnicas empleadas en los

dos puntos anteriores pretenden adaptarse al canal “a priori”, HARQ
es una técnica avanzada de corrección de errores en recepción.
2.3.1. Adaptación al enlace: control de potencia vs.

control de tasa
La aproximación “tradicional” ha sido tratar de mantener una relación
Eb /N0 suficiente, con la menor variación posible en el receptor, mediante
control de potencia en transmisión. Esto produce que la tasa de datos se
mantenga constante (ver Figura 2.13). Es una propiedad interesante en ser-
vicios de conmutación de circuitos como pueden ser los de voz.
2.3. PLANIFICACIÓN Y ADAPTACIÓN DE TASA 17
Figura 2.13: Control de potencia [1]
Sin embargo, como se ha discutido al comienzo de este capítulo, los ser-

vicios clásicos basados en conmutación de circuitos están perdiendo impor-
tancia frente a los basados en conmutación de paquetes. Lo más importante
actualmente es explotar, en la medida de lo posible, la capacidad del canal,
por lo que la estrategia escogida varía: en vez de transmitir con más potencia
cuando peores condiciones presenta el canal, se va a transmitir con la misma
potencia, pero se va a aumentar o disminuir la tasa binaria en función de
las condiciones del canal. Esta aproximación es la representada por la Figura
2.14.
Figura 2.14: Control de tasa de datos [1]
En promedio, la tasa alcanzada por el usuario aumentará respecto al

método tradicional. Una ventaja adicional de la adaptación de tasa es que,
en principio, los elementos de transmisión transmiten a potencia constante,
lo que permite diseñar amplificadores más eficientes y reducir el consumo.
En el siguiente apartado se describen las técnicas de planificación depen-
diente del canal, en las que se usa esta aproximación de explotar el estado
del canal, pero desde un punto de vista multiusuario.
2.3.2. Planificación dependiente del canal

La planificación controla la asignación de recursos radio (“slots” tiempo-
frecuencia) a los distintos usuarios. Como se ha indicado, está estrechamente
relacionada con la adaptación al canal. Incluso pueden ser consideradas una
funcionalidad conjunta. La estrategia de planificación es diferente dependien-
do de si esta se realiza en el enlace ascendente o en el descendente. Como el
importante de cara al simulador desarrollado es el descendente, es el que se
va a revisar en este apartado.
El planificador LTE decide en cada instante a qué usuarios van a ser asig-
nadas las diferentes partes del recurso compartido. El planificador determina
también con qué tasa binaria se ha de transmitir a cada uno de los usuarios
planificados. Por tanto, como se ha indicado, la adaptación de tasa es una
función inherente a la planificación. Esto hace que el planificador sea el ele-
mento clave que determina el rendimiento general del sistema, especialmente
en una red con carga alta.
En la Figura 2.15 se pueden ver dos mallas (usuario 1 y usuario 2) que
surgen de representar la función bidimensional que describe —en tiempo y
frecuencia— el estado del canal para cada uno de esos dos usuarios. El hecho
de que el esquema de transmisión en LTE esté basado en OFDM, permite
que el planificador tenga acceso a información en ambos dominios, pudiendo
seleccionar en cada instante qué sub-banda de qué usuario presenta mejores
condiciones de transmisión y planificar en consecuencia.
La posibilidad de realizar planificación dependiente del canal es espe-
cialmente útil cuando el terminal de usuario se mueve a baja velocidad, es
decir, cuando el canal varía temporalmente de forma lenta. La planificación
de canal se apoya en la variabilidad en la calidad del canal entre usuarios
para obtener ganancias por planificación. Dicha ganancia depende, por tan-
to, de lo fidedigna que sea la información que tiene el planificador sobre el
estado del canal. Dado que la tasa a la que los usuarios pueden realimentar
información de estado del canal a la estación base es limitada (así como la
precisión de esta información), cuanta más lenta sea la variación del mismo,
más actualizada será la información que tiene el planificador y más adecuada
será, en consecuencia, la planificación. A esto hay que añadirle la rapidez (o
granularidad en tiempo y frecuencia) con la que el planificador es capaz de
realizar la planificación.
En LTE, las decisiones de planificación pueden ser tomadas como máximo
cada milisegundo y en bloques de frecuencia de 180 kHz. Esto permite que
el usuario sea capaz de “seguir” el canal, incluso cuando este varía modera-
damente rápido.
De cara a poder planificar en el canal descendente, el terminal debe pro-
veer a la estación base de informes de estado del canal, que incluyen una
medida de la calidad instantánea del canal en el enlace descendente, tanto en
el dominio del tiempo como de la frecuencia. El estado del canal se obtiene
midiendo sobre señales de referencia transmitidas en el enlace descenden-
te. Basándose en estos informes del estado del canal, también conocidos como
Channel-State Information 6 (CSI), el planificador puede asignar recursos de
transmisión en el enlace descendente a los distintos terminales, considerando
la calidad reportada del canal en las decisiones de planificación. En principio,
el planificador puede asignar cualquier combinación de RB, de 180 kHz en
cada intervalo de 1 ms.
Figura 2.15: Control de tasa de datos [1]
Planificadores disponibles (descritos con mayor profundidad en el Capí-

tulo 3):
Proportional Fair.
Max-SINR.
Round-Robin.
6
Compuestos en LTE por el RI, PMI y CQI. Se verá en apartados posteriores.
En principio, el 3GPP no establece cómo ha de implementarse la función

de planificación. Cada suministrador usa su propia aproximación.
2.3.3. Esquemas avanzados de retransmisión

Como se ha visto en apartados previos, LTE presenta diversos mecanis-
mos de adaptación al canal, pero esto no libera al sistema de los errores en
recepción derivados, por ejemplo, del ruido en recepción. Es necesario in-
cluir algún tipo de sistema que corrija errores a posteriori. Los sistemas de
Comunicaciones Móviles usan las siguientes técnicas:
Fordward Error Correction (FEC). Con esta técnica se introduce una

cierta redundancia en la señal (a nivel de bit), que sirve para comprobar
los bits que ha llegado en mal estado e incluso corregirlos.
Automatic Repeat Request (ARQ). Esta técnica funciona en combina-

ción con FEC. Cuando FEC detecta un error en una porción de datos
recibidos, ARQ se encarga de pedir al transmisor que retransmita dicha
porción, descartando sus versiones previas erróneas.
En LTE se usa una combinación de ambos métodos denominada Hybrid-

ARQ (HARQ), en la que FEC corrige los errores que puede corregir, detec-
tando el resto y usando ARQ para que se le retransmitan las porciones de
datos que no puede corregir. Esta técnica tiene un problema y es que to-
das las transmisiones y retransmisiones de una trama de datos incorrecta se
descartan, a pesar de que contienen información útil.
Por esto, lo que realmente LTE usa es una variante de la técnica HARQ
denominada HARQ con combinación. En HARQ con combinación no se des-
cartan todas las tramas de datos erróneas sobre las que se pide retransmisión,
sino que se almacenan en un buffer y se van combinando de cara a obtener
una única trama combinada, que es más “fiable” que aquellas de las que
se compone independientemente. La técnica FEC se aplica entonces a esta
trama combinada, si hay algún error que no se pueda corregir se pide una
retransmisión y se inicia el proceso.
Existen dos variantes de HARQ con combinación:
Chase combining.
Incremental redundancy (IR).
Con Chase combining (Figura 2.16), las retransmisiones son todas iguales.
El receptor usa una técnica MRC para combinar cada bit recibido (de todas
las retransmisiones), y con la señal resultante se alimenta el receptor. Como

cada retransmisión es una copia idéntica de la transmisión original, la técnica
Chase combining puede ser vista como un código adicional de repetición.
Por tanto, como no se transmite nueva redundancia, Chase combining no
proporciona ningún tipo de ganancia adicional de codificación y sólo incre-
menta la relación Eb /N0 acumulada de la señal.
Figura 2.16: HARQ con combinación y Chase combining [1]
Con IR (Figura 2.17) cada retransmisión no tiene por qué ser idéntica al
original. En su lugar, se generan múltiples juegos de bits codificados repre-
sentando cada uno el mismo conjunto de bits de información. Cuando una
retransmisión es efectuada, lo normal es que se codifique de forma diferen-
te a las retransmisiones previas. El receptor combina esta retransmisión con
los distintos intentos previos para el mismo paquete. Como la retransmisión
puede contener bits adicionales de paridad que no fueron incluidos en las
retransmisiones previas, la tasa de codificación resultante normalmente se
reduce con cada retransmisión. Además, tanto el número de bits de paridad,
como el esquema de transmisión usado para la retransmisión no tienen por
qué ser iguales al original. En este punto se puede comprobar que Chase com-
bining es un caso particular de IR. La implementación típica de IR consiste
en realizar la primera transmisión con una tasa de codificación baja, que se
va aumentando en la sucesivas retransmisiones. Con IR cada retransmisión
supone un aumento de la Eb /N0 y de la ganancia por codificación.
HARQ con combinación, independientemente de si se usa Chase combi-
ning o IR, supone una reducción implícita de la tasa de datos debido a las
retransmisiones y por tanto puede ser vista como una especie de adaptación
“implícita” al canal. Sin embargo, al contrario que con la adaptación explí-
Figura 2.17: HARQ con combinación e incremental redundancy [1]
cita al canal basada en estimaciones de sus condiciones instantáneas, HARQ

ajusta la tasa de codificación en función de los resultados obtenidos en el
decodificador. En términos de tasa de datos total, esta clase de adaptación
implícita al enlace puede ser superior a la adaptación explícita, puesto que
la redundancia adicional sólo se usa cuando es necesaria, es decir cuando
las transmisiones previas de alta tasa binaria no fueron fructíferas. Además,
no trata de predecir variaciones en el canal, por lo que alcanza los mismos
resultados de calidad independientemente de la velocidad de movimiento del
terminal. Como la adaptación implícita al canal puede producir una ganancia
en la tasa de datos obtenida por el sistema, es razonable preguntarse por qué
es necesario ningún tipo de adaptación explícita al canal. La principal justi-
ficación para usar adaptación explícita es que se consiguen mejores retardos,
por tanto y a pesar de que usar únicamente adaptación implícita al canal
puede ser suficiente desde el punto de vista de la tasa de datos obtenida, la
calidad percibida del servicio de cara al usuario final puede verse mermada
en lo que a retardo se refiere.
2.4. Transmisión con múltiples antenas

La introducción de múltiples antenas en los distintos equipos, es una de
la vías básicas de cara a mejorar las prestaciones de los sistemas de Comu-
nicaciones Móviles. La transmisión con múltiples antenas engloba distintas
técnicas, que tienen en común el hecho de disponer de varias antenas (o
elementos radiantes), tanto en el transmisor como en el receptor (de forma
2.4. TRANSMISIÓN CON MÚLTIPLES ANTENAS 23
simultánea o no), así como de una cierta cantidad de procesado de señal.

Algunas ventajas derivadas del uso de múltiples antenas son:
Aumento de la capacidad del sistema (más usuarios por célula).
Aumento del área de cobertura.
Mejora de la provisión del servicio (mayores tasas de datos para los

usuarios).
La existencia de múltiples antenas, tanto en la estación base como en

el terminal usuario, puede ser explotada de distintas formas en función del
objetivo que se desee conseguir:
Obtención de diversidad adicional de cara a combatir el desvaneci-

miento multitrayecto. En ese caso, los canales de ambas antenas recep-
toras deben tener una baja correlación, lo que implica que la distancia
entre los elementos receptores ha de ser grande (diversidad espacial), o
la polarización distinta (diversidad por polarización).
Conformación de haz de la antena, de tal forma que cumpla un cier-

to criterio, como puede ser maximizar el lóbulo principal de radiación
en la dirección del receptor o para suprimir señales interferentes. Es-
ta conformación puede ser conseguida tanto con baja como con alta
correlación en los canales de transmisión.
Multiplexación espacial. La existencia simultánea de distintas an-

tenas, tanto en transmisión como en recepción, puede ser usada para
crear lo que puede ser visto como múltiples canales de transmisión ra-
dio. Esto habilita la posibilidad de aumentar en gran manera la tasa
de datos sin tener que emplear un mayor ancho de banda.
2.4.1. Múltiples antenas en recepción

Históricamente, el despliegue de múltiples antenas para recepción ha sido
la forma más empleada en lo que se refiere a técnicas con múltiples ante-
nas. Esta técnica es comúnmente conocida como “diversidad en recepción”7
(incluso si el objetivo de las múltiples antenas no es conseguir diversidad
adicional respecto del desvanecimiento del canal).
7
La versión más básica de la diversidad en recepción vendría dada por el método de
“selección”, en el que en cada instante se escoge como antena receptora la que más nivel
de señal esté recibiendo de todas las disponibles.
Figura 2.18: Diversidad en recepción [3]
En un canal con desvanecimiento plano (no selectivo en frecuencia), con

1 antena transmisora y L receptoras (Figura 2.18), el modelo de canal es el
siguiente:
yl [m] = hl [m]x[m] + wl [m] l = 1, ..., L (2.3)
donde el ruido wl [m] ∼ CN (0, N0 ) es independiente en las distintas antenas.
La idea consiste en averiguar el símbolo transmitido, x[1] a partir de lo reci-
bido en las distintas antenas, y1 [1], ..., yL [1]. Si las antenas tienen suficiente
separación entre ellas, se puede asumir que las ganancias hl [1] son Rayleigh
independientes, por tanto se obtiene una ganancia por diversidad de L.
Operando la SNR total recibida podemos distinguir dos tipos de ganancia
conforme aumentamos L [4]:
1
ëhë2 SNR = LSNR · ëhë2 . (2.4)
L
El primer término se corresponde con una “ganancia en potencia”: al
tener varias antenas en recepción y combinando de forma coherente la señal
recibida, la ganancia total aumenta linealmente con L. Por ejemplo, doblando
L se obtiene una ganancia de 3dB. El segundo término refleja la “ganancia
por diversidad”: promediando los distintos caminos independientes de las
señales recibidas, la probabilidad de que la ganancia total sea pequeña se
reduce.
Si las ganancias de los distintos canales recibidos, hl [1] están totalmente
correladas, sólo se obtiene ganancia en potencia al aumentar L, no ganancia
por diversidad. Por otra parte, incluso cuando todos los coeficientes hl son
independientes la ganancia por diversidad es marginal cuando L aumenta
(el segundo miembro de 2.5 converge a 1, debido a la ley de los grandes
números):
L
1 1Ø
ëhë2 = |hl [1]|2 . (2.5)
L L l=1
La ganancia por potencia, por supuesto, no tiene ningún tipo de limita-

ción: aumenta 3 dB cada vez que se dobla L.
Maximal ratio combining. El método de recepción explicado es el de-

nominado maximal ratio combining (MRC) y se basa en el empleo de un
filtro adaptado en recepción. Cualitativamente, el proceso llevado a cabo
contempla:
1. Poner en fase las señales (para evitar suma destructiva).
2. Dar a cada señal un peso proporcional a su amplitud (las señales más

débiles se consideran menos fiables y por tanto han de tener menos
importancia en el cómputo final).
En última instancia, se tiene el resultado indicado por (2.6).
SNR = SNR1 + ... + SNRL (2.6)

Por último, mencionar que mucha literatura se refiere a esta técnica como
esquemas Multiple-Input/Single-Output (MISO).
2.4.2. Múltiples antenas en transmisión

Como indica la Figura 2.19, en este caso nos encontramos un transmisor
con L antenas y un receptor con 1 antena. Se emplea sobre todo en senti-
do descendente, usando las dos o más antenas que suele tener la base para
diversidad de recepción en sentido ascendente.
Figura 2.19: Diversidad en transmisión [3]
Es un método que presenta unas ventajas similares a la de diversidad en

recepción. Hay dos implementaciones:
Con realimentación (o “en bucle cerrado”), en el que el móvil indica a la

base como esta ha de transmitirle. Es similar a MRC en recepción, pero
los pesos de la combinación lineal se aplican en transmisión, tenemos
por tanto precodificación espacial.
Sin realimentación (método de Alamouti). No necesita realimentación.
Estas técnicas son conocidas también como esquemas Single-Input/Multiple-

Output (SIMO).
2.4.3. Multiplexación espacial

El empleo de múltiples antenas tanto en el transmisor como en el recep-
tor, abre la posibilidad de aprovechar el canal en mayor medida de lo que
las técnicas vistas hasta ahora permiten. En el caso de aprovecharse de for-
ma simultánea de la existencia de antenas múltiples en ambos extremos de
la transmisión, se abre la posibilidad de utilizar “multiplexación espacial”,
lo que permite un uso más eficiente de la interfaz radio (especialmente en
escenarios donde la SINR es elevada).
Como se ha visto en los apartados precedentes, un aumento del número de
antenas permite aumentar la SINR en un factor nt × nr (siendo nt el número
de antenas transmisoras y nr el número de antenas receptoras), sin embargo
en escenarios limitados por el ancho de banda disponible, este aumento de
potencia no puede suponer un aumento indefinido de capacidad (este efecto
viene descrito por el límite de Shannon):
3 4
S
C = BW log2 1 + (2.7)
N
Lo que ocurre es una especie de saturación: como la S/N está dentro de
un logaritmo, para relaciones S/N grandes un aumento apenas se nota.
Sin embargo, utilizando adecuadamente —si las condiciones son las adecuadas—
las antenas de transmisor y receptor, se pueden crear hasta NL = min(nt , nr )
canales espaciales independientes, cada uno con menos SINR (la señal dispo-
nible se “reparte” entre los distintos canales espaciales). Esto supone que en
términos de capacidad de canal pasemos de:
3 4
C S
= log2 1 + , (2.8)
BW N
a tener por “canal espacial”:
3 4
C nr S
= log2 1 + · . (2.9)
BW NL N
Resultando la capacidad total del sistema en:
3 4
C nr S
= log2 1 + · = (2.10)
BW NL N
A B
nr S
= min(nt , nr ) · 1 + · . (2.11)
min(nt , nr ) N
Esto supone que, en ciertas condiciones, la capacidad del canal pueda

variar de forma lineal con el número de antenas, lo que evita que la tasa
de datos sature. Este método entra dentro el conjunto conocido como técni-
cas Multiple-Input/Multiple-Output (MIMO); en este caso concreto lo que se
busca es conseguir múltiplexación espacial.
Para clarificar todo lo descrito hasta ahora en lo referente a multiplexación
espacial, en la Figura 2.20 se propone un ejemplo de transmisión basada en
MIMO 2 x 2 (dos antenas transmisoras y dos receptoras). Es un ejemplo
representativo, puesto que es el caso de simulación preferido para el análisis
de datos en este PFC:
Figura 2.20: Esquema de transmisión con MIMO 2x2 [1]
Basándonos en la Figura 2.20, la señal recibida se puede expresar de la

siguiente manera:
A B A B A B A B
r h1,1 h1,2 s n
r̄ = 1 = · 1 + 1 = H · s̄ + n̄, (2.12)
r2 h2,1 h2,2 s2 n2
donde H es la matriz de canal (2 x 2 en este caso). Teniendo en cuenta

la existencia de ruido y que la matriz de canal H sea invertible, el vector s̄,
y por tanto, las señales s1 y s2 , pueden ser recuperadas en el receptor, sin
interferencias residuales entre las señales, multiplicando el vector recibido r̄
por una matriz W = H−1 (tal y como indica la Figura 2.21):

A B A B
sˆ1 s
= W · r̄ = 1 + H−1 · n̄. (2.13)
sˆ2 s2
Figura 2.21: Esquema de recepción con MIMO 2x2 [1]
De la Eq. (2.13) se puede deducir que cuanto más cerca esté la matriz H
de ser singular, más ruido se encontrará a la hora de demodular.
Hay casos en los que no va ser posible utilizar NL canales espaciales:
En el caso de que las condiciones del canal sean muy desfavorables

(SINR baja), la ganancia debida a la multiplexación espacial es muy
baja (similar a la que se logra con conformación de haz o diversidad).
En este caso la estrategia a utilizar sería emplear las múltiples antenas
de cara a realizar conformación de haz de transmisión.
En un caso general, el orden de la multiplexación espacial debe ser de-

terminado basándose en las propiedades de la matriz de canal nr × nt .
Toda antena “sobrante” debería ser usada para conformación de haces.
Por antena sobrante se entiende toda aquella que no es usada para crear
un flujo espacial independiente (el máximo número de flujos indepen-
dientes es como mucho igual al mínimo número de antenas existentes
en el RX o el TX).
Esto puede ser conseguido mediante técnicas de multiplexación espacial
basadas en codificación.
MIMO en el modelo de canal SCME. Como se describirá en el Capítu-

lo 3, el modelo de canal SCME empleado permite la obtención de coeficientes
de canal para cualquier número de flujos espaciales, a partir del número de

elementos de antena tanto en transmisión como en recepción, conforme a lo
que se ha descrito en dicho capítulo.
2.4.3.1. Descomposición en valores singulares

La técnica de descomposición en valores singulares (singular value decom-
position, SVD [4]), es el método que se emplea en el simulador descrito en
este PFC para determinar las matrices de precodificación y postcodificación
espacial usadas para simular la transmisión.
Un canal radio invariante, de banda estrecha, con nt antenas de trans-
misión y nr antenas de recepción, queda determinado por una matriz H. A
continuación se describen cuales son las propiedades clave de H que permiten
determinar qué cantidad de multiplexación espacial puede ser soportada en
unas condiciones concretas.
Sea el canal invariante temporal descrito por la siguiente ecuación:
y = Hx + w, (2.14)
donde x ∈ (C)nt , y ∈ (C)nr y w ∼ CN (0, N0 Inr ) son, la señal transmitida, la
señal recibida y ruido blanco gaussiano durante la duración de un símbolo.
La matriz de canal H ∈ C nr ×nt es determinista, se asume constate en todos
los instantes de tiempo y conocida por el transmisor y el receptor. hi,j es el
coeficiente del canal para transmitir de la antena j a la i. La potencia total
disponible es P .
Esto representa un canal gaussiano “vectorial”. La capacidad puede ser
extraída descomponiendo el vector de canal en un conjunto de de sub-canales
gaussianos escalares independientes. Sabemos que, algebraicamente, toda
transformación lineal puede ser representada como una composición de 3
operaciones: rotación, escalado y otra rotación. En notación algebraica, la
descomposición en valores singulares de la matriz H es:
H = UΛV∗ , (2.15)
donde U ∈ (C)nr ×nt y V ∈ (C)nr ×nt son matrices unitarias8 de rotación
y Λ ∈ (R)nr ×nt es una matriz rectangular cuyos elementos de la diagonal
principal son valores reales positivos, siendo el resto de valores igual a 0.9
Los elementos de la diagonal principal λ1 ≥ λ2 ≥ · · · ≥ λnmin son los valores
singulares ordenados de la matriz H, donde mmin := min(nt , nr ). Como
HH∗ = UΛΛt U∗ , (2.16)
8
Una matriz unitaria U cumple que U∗ U = UU∗ = 1.
9
Se considera una matriz diagonal, a pesar de no ser rectangular.
los valores λ2i son los autovalores de la matriz HH∗ y de H∗ H [4]. Es im-
portante resaltar que hay nmin valores singulares. Se puede reescribir la SVD
como n Ø
min
H= λi ui vi ∗ , (2.17)
i=1
que es la suma de las matrices (de rango 1) λi ui vi ∗ . De hecho, el rango de H

es el número de valores singulares distintos de 0.
Sean
å := V∗ x,
x (2.18)
å := U∗ y,
y (2.19)
å := U∗ w,
w (2.20)
se pueden reescribir las ecuaciones de canal ((2.14)) como
y
å = Λx
å + w,
å (2.21)
donde wå ∼ CN (0, N0 Inr ) tiene la misma distribución que w y ëxåë2 = ëxë2 .

Por tanto, la energía se conserva y obtenemos una representación equivalente
en la forma de canales paralelos gaussianos:
yåi = λi xåi + wåi , i = 1, 2, ..., nmin (2.22)
Esta equivalencia queda representada en la Figura 2.22.
Figura 2.22: Conversión de un canal MIMO en múltiples canales paralelos

mediante SVD [4]
La técnica SVD puede ser interpretada como dos “transformaciones de

coordenadas”: si la entrada del sistema es expresada en términos del sistema
de coordenadas dado por las columnas de V y la salida es expresada en térmi-
nos del sistema de coordenadas definido por U, la relación de entrada/salida
es muy simple. La Ec. (2.21) representa el canal original (2.14) con la entrada
y la salida expresada respecto a estos nuevos sistemas de coordenadas.
La capacidad de este canal MIMO es, por tanto:
nØ
A B
min
Pi∗ λ2i
C= log 1 + bits/s/Hz, (2.23)
i=1 N0
q
de tal forma que i Pi∗ = P . Cada λi se corresponde con un “automodo” del
canal (también se le puede llamar “autocanal”). Cada “autocanal” distinto
de cero puede ser usado para transmisión de un flujo independiente de datos,
lo que supone que un canal MIMO pueda soportar múltiples flujos de datos.
En la Figura 2.23 queda representada la arquitectura de un canal de co-
municaciones basado en SVD (Aunque se muestra un elemento denominado
“AWGN coder”, no es estrictamente necesario para usar SVD).
Figura 2.23: Arquitectura SVD para comunicación empleando MIMO [4]
2.4.3.2. Multiplexación espacial basada en matrices de precodifi-

cación
Aunque la implementación de la multiplexación espacial a bajo nivel no es
un objetivo fundamental del simulador descrito, a continuación se dan unas
pinceladas sobre la forma en la que se lleva a cabo en LTE la multiplexa-
ción espacial. La Figura 2.24 da una idea básica sobre el proceso básico de
precodificación basado en un codebook.
La idea fundamental es que los símbolos OFDM se “mapean” a distintas
capas espaciales10 . Dichas capas espaciales pueden variar de 1 al número de
10
Este concepto ya ha sido introducido previamente cuando se ha hablado “multiple-
Figura 2.24: Estructura básica de un precodificador LTE basado en un

codebook. Se puede visualizar como las señales de referencia (CRS) son
incluidas tras la precodificación [1]
puertos de antena. Este “mapeo” a los distintos puertos de antena se realiza

mediante la precodificación. En LTE el número máximo de puertos de antena
y por tanto de capas espaciales, es 4.11
En la Figura 2.25 se pueden observar distintos esquemas de “mapeo”.
Figura 2.25: Mapeo de bloques de transporte a puertos de antena para

precodificación basada en codebook [1]
Hay dos modos fundamentales de operación para la precodificación basada

en codebooks:
Operación en bucle cerrado.
Operación en bucle abierto.
Se diferencian en cuanto a la estructura de la matriz de precodificación y

cómo dicha matriz es seleccionada por la red y comunicada al terminal.
xación espacial”. Una capa espacial es el término usado en LTE para los diferentes flujos
generados usando multiplexación espacial. Una capa se puede asociar a un mapeo de sím-
bolos en un puerto de antena. Cada capa tiene tiene asociada —mediante su matriz de
precodificación— un diagrama de radiación determinado.
11
Esto es debido a que hay un máximo de 4 señales de referencia por célula.
En el caso de operación en bucle cerrado la red selecciona la matriz

de precodificación que el terminal va a usar, en función de la información que
éste le transmite.
Basándose en las medidas de las señales de referencia de la célula, el
terminal selecciona un número adecuado de capas espaciales (RI y PMI, ver
apartado 2.5) y una posible matriz de precodificación. La red puede aceptar
la matriz de precodificación que el terminal propone u otra, en cualquier caso
la decisión se le debe comunicar al terminal.
Para reducir la cantidad de información a intercambiar entre la red y el
terminal, se emplea sólo un conjunto prefijado de matrices de codificación (el
denominado precoder book), el cual está definido en función del número de
capas espaciales y de puertos de antena.
Concretamente hay matrices de codificación definidas para los siguientes
casos:
Dos puertos de antena y dos capas espaciales, que se corresponden con

matrices de precodificación de tamaño 2 x 1 y 2 x 2 respectivamente.
Cuatro puertos de antena y una, dos, tres y cuatro capas, que se co-
rresponden con matrices de precodificación de tamaño 4 x 1, 4 x 2, 4 x
3 y 4 x 4 respectivamente.
En la Tabla 2.26 se muestran distintas matrices de precodificación para

el caso de 2 capas espaciales.
Figura 2.26: Matrices de precodificación para dos puertos de antena y dos

capas (la primera matriz 2 x 2 sólo se usa para precodificación de bucle
abierto) [1]
Por otro lado, la operación en bucle abierto no funciona teniendo en

cuenta las recomendaciones detalladas que envía el terminal sobre qué codi-
ficador usar, como en el caso de la operación en bucle cerrado. De hecho no
requiere ningún tipo de señalización explícita. La matriz de precodificación
se selecciona mediante un método predefinido y determinista (previamente
comunicado al terminal). La señalización en bucle abierto se usa principal-
mente en los escenarios en los que existe una alta movilidad, en los que es
complejo conseguir una realimentación del canal suficientemente rápida. Esto

es especialmente crítico para los informes de PMI.
Existe un tercer modo de precodificación: la codificación no basada en
codebooks. Fue introducida en LTE en su release 9, limitada a un máximo
de dos capas espaciales. Con la release 10 (LTE-A) soporta hasta 8 capas
espaciales.
2.5. Realimentación del estado del canal

Como ya se ha mencionado en distintas ocasiones, la posibilidad de uti-
lizar planificación dependiente del canal en el enlace descendente (es decir,
seleccionar la configuración de la transmisión y demás parámetros en función
de las condiciones instantáneas del canal) es una de las características claves
de LTE. Un componente clave para realizar la planificación en el enlace des-
cendente son los informes de estado de canal, que proveen los terminales
a la red. Esta información es la que usa el planificador de la estación base
para hacer su trabajo.
Un informe de estado de canal está compuesto de distintos elementos:
Rank indication (RI). Provee una recomendación sobre el número
de capas espaciales preferidas para transmisión en el enlace descendente
(hacia el terminal). El valor RI sólo necesita ser enviado por terminales
a los que se les permite hacer uso de técnicas de multiplexación espacial
(esto es decidido por la EB). Sólo se transmite un RI, que es válido para
toda la banda de frecuencias; el RI no es selectivo en frecuencia. Sería
imposible usar distintas configuraciones de RI en distintas sub-bandas,
puesto que todas las capas son transmitidas usando los mismos RB en
LTE.
Precoder matrix indicator (PMI). El PMI indica qué matriz de
precodificación (ver apartado anterior sobre MIMO) debe ser usada de
forma preferente para transmitir en el enlace descendente. La matriz de
precodificación enviada se determina en función del número de capas
indicadas por el parámetro RI. La precodificación puede ser variable en
frecuencia, recomendando el terminal diferentes matrices de precodifi-
cación en diferentes partes del espectro del enlace descendente. La red
puede prohibir el uso de ciertos esquemas de precodificación, con el fin
de evitar enviar información de precodificadores que no son útiles con
las configuraciones de antenas disponibles.
Channel-quality indication (CQI). El valor de CQI representa el
esquema de modulación y codificación más elevado que permitiría que
2.5. REALIMENTACIÓN DEL ESTADO DEL CANAL 35
las transmisiones del canal de control PDSCCH (usando los valores re-
comendados de RI y PMI) fuesen realizadas con una tasa de error de
bloque en la primera transmisión no mayor al 10 %. El motivo de enviar
un índice de CQI en vez de un valor (por ejemplo de SINR), es porque
de esta forma, se consigue independencia entre las distintas implemen-
taciones posibles para los receptores (dependiendo del fabricante, por
ejemplo). Asimismo, basar la realimentación del canal en informes de
CQI en vez de SINR, simplifica el “testeo” del terminal: un terminal
recibiendo con una tasa de error de bloque superior al 10 % con los
parámetros de modulación y codificación indicados por el CQI fallaría
el test. Hay diferentes modalidades en lo referente a la realimentación
del estado del canal mediante CQI que serán detalladas más adelante.
Juntos, la combinación de RI, PMI y CQI forman los denominados “infor-

mes de estado del canal”. Qué contiene de forma exacta un informe de canal
depende del modo en el que el móvil esté configurado para elaborar dichos
informes de canal. Como se ha mencionado previamente, el RI y el PMI no
es necesario transmitirlos a menos que el sistema esté usando multiplexación
espacial. Hay distintas “modalidades” de informes de canal, que definen a
qué grupos de RB afectan los informes que se están mandando.
A pesar de haber descrito la información que el terminal realimenta a la
estación base como informes de estado del canal, en realidad esta información
tiene un carácter de recomendación que el terminal hace al sistema. La
estación base LTE es libre de usar lo indicado en el informe CSI o seleccionar
los parámetros de transmisión según su propio criterio.
El esquema de modulación y codificación usado para la transmisión en el
enlace descendente puede diferir de lo que se ha indicado en el CQI enviado,
puesto que el planificador de la estación base necesita tomar en considera-
ción más información de la que el CQI provee. Por ejemplo, algo a tener en
consideración es qué bloques han sido planificados ya a otros usuarios, o la
cantidad de datos esperando a ser transmitidos al usuario. No hay, obviamen-
te, necesidad de seleccionar una codificación y modulación que permita altas
tasas de transmisión a un usuario (aunque el estado del canal lo permita) si
la cantidad de información esperando a serle transmitida es mínima.
Hay dos tipos de informes de estado del canal en LTE, aperiódicos y
periódicos. Su principal diferencia radica en qué factor produce que sean
enviados a la estación base:
Los informes de canal aperiódicos son generados a petición expresa de

la red.
Los informes de canal periódicos son generados y mandados a la red

con una cierta periodicidad indicada por la red. El periodo mínimo es
de 2 ms.
Ambos tipos de informes presentan estimaciones sobre las condiciones

del canal, pero son tremendamente diferentes en cuanto a la precisión y el
detalle con el que se transmite dicha información. Esto es debido a distintos
motivos, uno de los principales es que se transmiten por canales del sistema
con distintas capacidades12 . Además como los informes aperiódicos sólo son
transmitidos bajo demanda de la red, el overhead que introducen resulta
menos problemático comparado con los informes periódicos. Si la red pide
explícitamente un informe al móvil, es del todo probable que haya una gran
cantidad de información esperando para serle transmitida, por lo que en este
caso, el overhead tampoco resulta significativo. Este es el sentido de tener
dos clases diferentes de informes de estado de canal: encontrar una solución
de compromiso entre adaptación precisa y no sobrecargar la red.
2.5.1. Informes de canal aperiódicos

Hay tres modalidades para informes de canal aperiódicos en LTE, cada
uno de los cuales tiene diferentes “submodos”, dependiendo de la configura-
ción:
Wideband reports, que reflejan la calidad media del canal a lo largo

de toda la banda de frecuencias usada por la célula, con un único valor
de CQI. A pesar de tratarse de un único valor medio de CQI para todo
el ancho de banda de la célula, el informe de PMI (Precoder Matrix
Indication) sí es selectivo en frecuencia. El estado del canal puede ser
obtenido con cierta granularidad en frecuencia, puesto que se divide el
ancho de banda total en el enlace descendente en un número de sub-
bandas “ecualizadas”, constando cada una de estas sub-bandas, de un
número determinado de RB que puede variar de 4 a 8. Los valores de
CQI y PMI están calculados teniendo en cuenta el valor de RI (1, sino
no está disponible). Los wideband reports ocupan menos recursos de
transmisión que las opciones más selectivas en frecuencia, pero aportan
menos información en el dominio de la frecuencia.
12
Aunque esté fuera del alcance de este proyecto, los informes aperiódicos se transmiten
usando el canal PUSCH que permite transportar mayores cantidades de información que
el PUCCH, usado para informes periódicos.
2.5. REALIMENTACIÓN DEL ESTADO DEL CANAL 37
Informes seleccionados por el terminal, en los que el terminal

selecciona las mejores M sub-bandas y envía los índices de esas sub-
bandas, un CQI promedio en esas M sub-bandas y un valor promedio
de CQI para toda la sub-banda de la célula. Este tipo de informe pro-
porciona información sobre el estado del canal en el dominio de la fre-
cuencia. El tamaño de la sub-banda puede ser de 2 a 4 RB y M puede
tomar valores entre 1 y 6, dependiendo del ancho de banda disponible
para la portadora del enlace descendente. Dependiendo de los modos de
transmisión disponibles, este tipo de informe también puede contener
información sobre el PMI o el RI.
Configured reports, cuyo nombre viene del hecho de que es la red el

agente que solicita al terminal un informe de estado de canal, indicando
qué bandas debe considerar dicho informe. En este caso el terminal
envía un CQI medio, que refleja el estado de la banda entera usada en
el enlace descendente y un CQI por cada sub-banda indicada por la
estación base. El tamaño de la sub-banda depende del ancho de banda
de la portadora y puede ser de entre 4 y 8 RB. Dependiendo del modo
de transmisión empleado, los valores de PMI y RI pueden ser también
realimentados en este tipo de informes de canal.
La Figura 2.27 muestra los distintos tipos de informes aperiódicos.
Figura 2.27: Resumen de los distintos modos de informes aperiódicos de

canal [1]
2.5.2. Informes de canal periódicos

Los informes periódicos son configurados por la red para que le sean
entregados con una cierta periodicidad. Dada la capacidad limitada del canal
sobre el que se mandan los informes periódicos es posible que, en función de la
cantidad de información a enviar (PMI, RI, CQI, cada uno de ellos con más o
menos selectividad en frecuencia) sea necesario dividir el informe en distintas
tramas de información, que se envían en instantes de tiempo diferentes. El
valor RI puede ser enviado con menos frecuencia, debido a que su variación
temporal es más lenta que la del resto de parámetros.
Hay dos tipos de informes periódicos de canal en LTE:
Wideband reports, que indican la calidad media del canal a lo largo

de todo el ancho de banda de la portadora usada en el enlace descenden-
te mediante un único valor de CQI. Si la realimentación de valores de
PMI está activa, sólo se manda uno para toda la banda de frecuencias.
Informes seleccionados por el terminal. En esta modalidad el

ancho de banda total de la portadora se divide entre 1 y 4 partes, en
función del tamaño del ancho de banda de la célula. Para cada una de
esas partes, el terminal selecciona la mejor sub-banda. El tamaño de
la sub-banda varía de 4 a 8 RB. El informe de CQI y PMI para cada
parte de ancho de banda va en una subtrama diferente. El RI (si se
envía) va en una subtrama diferente de las demás.
Los distintos informes de canal periódicos están resumidos en la Figura

2.28. Se puede ver que si se envía el valor PMI, éste siempre hace referencia
a la banda completa. No hay soporte para PMI selectivo en frecuencia en los
informes periódicos.
Un caso típico de uso de ambos tipos de informes de estado del canal
sería el siguiente: informes periódicos ligeros, que incluyan información sobre
el estado de la banda completa mediante CQI y sin información de PMI. En
el momento en que es necesario transmitirle al terminal una gran cantidad
de información, el terminal envía informes aperiódicos a petición de la esta-
ción base con información más detallada sobre las sub-bandas con mejores
condiciones para realizar el envío de información.
Los informes que usa el simulador descrito en este PFC son aperiódicos
y están descritos en el Capítulo 3 de la memoria.
2.6. ORGANIZACIÓN EN FRECUENCIA EN UN SISTEMA LTE 39
Figura 2.28: Resumen de los distintos modos de informes periódicos de

canal [1]
2.6. Organización en frecuencia en un siste-

ma LTE
LTE es tremendamente flexible en cuanto a las bandas en las que puede
operar, pero hay una limitación en cuanto a qué bandas de frecuencia usar
(además hay que tener en cuenta las restricciones de potencia o ancho de
banda que puedan existir en diferentes bandas).
Las bandas de frecuencia en las que LTE opera pueden ser simétricas o
no, por ello LTE soporta operación TDD o FDD (el simulador desarrollado
sólo contempla operación FDD). En la Tabla 2.29 se puede una síntesis de
las distintas bandas FDD en las que LTE puede operar. En la Tabla 2.30 se
muestran las bandas TDD.
Por otra parte, las Figura 2.32 y 2.33 muestran la organización de las
distintas bandas de frecuencia por encima y por debajo de 1 GHz.
El espectro usado por LTE puede variar desde 2 × 20 MHz hasta 1 ×
5 MHz (operación TDD). Ello permite una gran flexibilidad a la hora de
migrar bandas de frecuencias ocupadas por otros sistemas a LTE. La Figura
2.34 expone este caso.
El simulador desarrollado permitiría simular una migración de este tipo,
puesto que permite el empleo de distintos anchos de banda. El número de
RB asociado a cada ancho de banda viene descrito en la Tabla 2.31.
Figura 2.29: Bandas simétricas definidas por el 3GPP para LTE [1]
Figura 2.30: Bandas no simétricas definidas por el 3GPP para LTE [1]
Figura 2.31: Anchos de banda de un sistema LTE [1]

2.6. ORGANIZACIÓN EN FRECUENCIA EN UN SISTEMA LTE 41
Figura 2.32: Bandas especificadas para LTE por encima de 1 GHz según
bandas de frecuencia de la ITU [1]
Figura 2.33: Bandas especificadas para LTE por debajo de 1 GHz según
bandas de frecuencia de la ITU [1]
Figura 2.34: Ejemplo de como se puede realizar una migración paso a paso
de cualquier sistema a LTE en una banda concreta de frecuencias [1]
Capítulo 3
Simulador LTE
Como se ha indicado en el Capítulo 1, el objetivo de este PFC consiste

en encontrar una manera de relacionar —de forma directa— distintos pará-
metros de la simulación; de tal manera que las “suites” de simulación que
hagan uso de estos resultados, no necesiten realizar las costosas operaciones
matemáticas ligadas a estos cálculos. Concretamente, se busca relacionar la
tasa binaria obtenida por una estación base, en función de un conjunto de
parámetros que representen a los usuarios conectados a esta estación base;
parámetros como su velocidad o su SINR. De esta manera, el throughput
de la estación base puede ser obtenido a partir de estos parámetros repre-
sentativos mediante consultas, por ejemplo, a un tabla. El punto clave es
identificar cuales son esos parámetros que mejor “describen” al conjunto de
usuarios, es decir, qué parámetros son los que describen con el menor error
posible el throughput en esas condiciones.
Dicho lo anterior, se hace indispensable la implementación de un progra-
ma que, sistemáticamente, simule los distintos escenarios objeto de estudio
hasta obtener una cantidad de resultados tal que sea posible efectuar sobre
ellos distintos análisis estadísticos, con el fin de buscar las relaciones enun-
ciadas en el párrafo anterior y que éstas presenten el menor error posible.
3.1. Estructura del simulador

El simulador está implementado en Matlab (principalmente en su versión
R2013a) y se divide en distintas partes: funciones principales, “envoltorios” y
funciones auxiliares. Las funciones principales engloban a los archivos en los
que están codificadas las tareas principales, que son las encargadas de realizar
los cálculos pesados de la simulación (coeficientes de canal, planificación,
etc.). Los envoltorios y las funciones auxiliares son piezas más heterogéneas
43
44 CAPÍTULO 3. SIMULADOR LTE
de código: algunas sirven para facilitar la puesta en marcha de múltiples lotes

de simulaciones, mientras que otras son usadas con el fin de postprocesar la
información bruta obtenida, automatizar la “recolección” de información y
mostrarla de una manera resumida y fácil de entender y de analizar.
Es importante reseñar la diferencia entre funciones auxiliares y envolto-
rios. Los envoltorios son programas cuya misión es llamar a otros programas
en un cierto orden y con ciertas condiciones, en función de los parámetros
escogidos por el usuario. Por ejemplo, existe una función envoltorio que se
encarga de organizar la ejecución de todas las simulaciones que el usuario
quiere hacer. Por otra parte, las funciones auxiliares son pequeños progra-
mas que realizan cálculos concretos (ejemplo: interpolar un valor de MCS a
partir de uno de CQI) y que son llamados en puntos concretos del simulador
principal.
3.1.1. Proceso de simulación

A grandes rasgos, el proceso de simulación involucra los siguientes pasos:
1. Se calcula la SINR1 para cada usuario existente en función del escenario

de simulación escogido. Esto define la posición del usuario en la célula.
Se trata de una SINR media condicionada a la posición.
2. Se generan los coeficientes de canal en tiempo y en frecuencia y se cal-

cula la SINR instantánea (SINR en función del tiempo y la frecuencia,
incluyendo el efecto del multitrayecto) a partir de ellos y de la SINR.
3. Los usuarios calculan y envían los CQI a la estación base.
4. Planificación de usuarios y asignación del MCS con el que la base les

va a transmitir.
5. Se repiten los pasos 3 y 4 hasta terminar el tiempo de simulación fijado.
Una vez terminado el tiempo de simulación se procede a postprocesar

todos los datos generados.
Se muestra también un esquema del proceso de simulación en la Figura
3.1.
1
Cuando se habla de SINR, se refiere a SINR media respecto del multitrayecto para
una posición dada.
3.1. ESTRUCTURA DEL SIMULADOR 45
Figura 3.1: Flujo general de ejecución del simulador desarrollado
3.1.2. Parámetros característicos de simulación

Hay una serie de parámetros de simulación, con valores fijos, que es im-
portante explicar antes de describir en detalle las posibilidades del sistema.
Son valores prefijados que es preferible no variar porque están seleccionados
buscando un compromiso en el sistema entre la velocidad de simulación y la
precisión de los resultados obtenidos.
El primero de estos parámetros es la resolución temporal de simula-
ción del sistema, que es de 2 ms. Este valor es considerado como el mínimo
razonable y proviene del hecho de que el periodo mínimo —según la especi-
ficación del sistema LTE— con el que el terminal puede enviar la informa-
ción del estado del canal a la estación base, es de 2 ms. Como el objetivo
del simulador es planificar las transmisiones en el enlace descendente con
la información recibida desde el terminal (que a su vez está basada en el
comportamiento de un canal multitrayecto adecuadamente simulado), no se
considera una granularidad temporal en las simulaciones menor de 2 ms, a
pesar de que en el sistema es técnicamente posible.
El segundo parámetro es el ancho de banda del sistema: 20 MHz. Se

ha escogido este valor por defecto porque es un ancho de banda habitual
y razonable en el sistema LTE. El sistema deja abierta la posibilidad de
trabajar con otros anchos de banda, si fuese necesario.
El tercer parámetro es la resolución en frecuencia del sistema, que es
de 14 sub-bandas de 8 RB, por tanto, 14 sub-bandas de 1,44 GHz. Inicial-
mente, la resolución en frecuencia mínima del sistema era de 1 RB (180 kHz),
pero esto suponía un coste computacional elevado. Finalmente se decidió res-
tringir la granularidad en frecuencia del sistema a 14 sub-bandas puesto que
ésta era la resolución máxima posible en frecuencia —según la especificación
LTE— para la realimentación del estado del canal a la estación base.
3.2. Generación de los coeficientes de canal

El simulador descrito en este PFC hace uso de un modelo de canal deno-
minado SCM. Se trata de una implementación en Matlab del 3GPP Spatial
Channel Model (SCM) [10] realizada dentro del proyecto Wireless World
Initiative New Radio (WINNER) en el año 2005. Existe una “actualización”
a este modelo de canal, denominada 3GPP Spatial Channel Model Extended
(SCME) [11] cuya principal característica es ser funcional para frecuencias
de hasta 5 GHz.
La característica más importante del modelo SCM, y aquella por la que
es usado, es que considera el multitrayecto. El correcto modelado del mul-
titrayecto es vital de cara a simular apropiadamente la planificación radio en
un sistema LTE. En la Tabla 3.1 se detallan las opciones de configuración
más relevantes y su propósito dentro del modelo SCM, aunque es importante
notar que, a efectos del simulador LTE, el modelo SCM es tratado como una
caja negra.
Haber desarrollado un código que cumpliese la función del modelo de ca-
nal SCM hubiese sido tremendamente costoso, por eso se decidió usar este
simulador que ya estaba implementado y probado. Proviene de un grupo de
trabajo conocido y solvente, como es el grupo WINNER. Es además, un si-
mulador que puede funcionar razonablemente rápido (si se hace uso de la
implementación en lenguaje de programación C que también es provista).
Finalmente, es uno de los simuladores de canal multitrayecto habitualmen-
te utilizados para LTE, con lo cual es adecuado y está en la línea de los
resultados que pueden obtener otros investigadores.
El modelo de canal SCM toma los parámetros MIMO del enlace radio,
los parámetros de configuración del modelo y los parámetros de antena como
datos de entrada, obteniendo las matrices de canal MIMO como parámetros
3.2. GENERACIÓN DE LOS COEFICIENTES DE CANAL 47
de salida. Estas matrices de canal contienen los coeficientes de canal para

cada “camino físico” (o path) entre la estación base y el usuario, para cada
usuario y para cada instante de tiempo. Se considera que, cada uno de los
caminos físicos está formado a su vez por “subcaminos” (6), cada uno de ellos
con un valor de retardo asociado. De ahora en adelante, el retardo asociado
a cada subcamino se denominará con la letra τ .
Todos estos coeficientes de canal que se obtienen pertenecen únicamente
al dominio temporal, es decir, se corresponden con la respuesta al impulso
variante en el tiempo del canal, h(t, τ ). Dado que el sistema LTE asigna
recursos tanto en tiempo como en frecuencia, se hace indispensable calcular
la función de transferencia variante en el tiempo del canal:
T (t, f ) = Fτ [h(t, τ )] (3.1)

donde Fτ representa la Transformada de Fourier respecto a τ .
Antes profundizar en los aspectos matemáticos de esta transformación
de los coeficientes de canal, es necesario definir algunos parámetros y su
notación:
u se refiere al índice de cada elemento de antena en el array transmisor

(estación base).
s se refiere al índice de cada elemento de antena en el array receptor

(usuario).
k es el índice asignado a cada usuario en la simulación.
n es el índice de cada muestra de tiempo en la que se procede a simular.

Cada muestra son 2 ms, como ya se ha indicado.
b es el índice de cada sub-banda de frecuencia (o slot).
d se refiere al índice que identifica el retardo (τ ) de cada subcamino.
τ son los retardos asociados a cada subcamino consecuencia del multi-

trayecto.
De ahora en adelante, se denominará Cu,s,k,n,d a la matriz2 multidimen-

sional obtenida mediante el modelo SCM.
En un escenario típico con, por ejemplo, 10 usuarios, 2 elementos de
antena en transmisor y receptor, 270 s de duración (135.000 muestras cada
2
En la nomenclatura para la matriz se incluyen las dimensiones y parámetros de la
misma. Estos subíndices no indican un valor concreto dentro de la matriz.
Tabla 3.1: Parámetros de configuración usados en el modelo SCM
Nombre del
Descripción Valores usados Explicación
parámetro
Número de ele-
Se considera que una esta-
mentos de ante-
NumBsElements 1, 2 ción pase puede tener 1 ó 2
na en la estación
antenas
base
Siempre se escoge dos. De-
pendiendo del número de
Número de ele-
elementos de antena de la
mentos de ante-
NumMsElements 2 estación base el sistema fun-
na en el terminal
cionará con multiplexación
de usuario
espacial o como un sistema
MRC
La dispersión del retardo
multitrayecto con la opción
Entorno de si- “urban_macro” es mayor.
mulación (desde De entre las opciones dis-
“urban_micro”,
Scenario el punto de vis- ponibles, estas dos son las
“urban_macro”
ta del multitra- que producen los casos ex-
yecto) tremos: 0, 17ηs para el ca-
so micro y 0, 65ηs en el caso
macro
Intervalo de 2 muestras por
SampleDensity muestreo para el cada media lon-
canal gitud de onda
Número de ca-
minos multitra- Valor por defecto. Es consi-
NumPaths 6
yecto considera- derado suficiente
dos en el sistema
Valores razonables para es-
Frecuencia cen- No hay restric- te parámetro serían los com-
CenterFrequency
tral ciones prendidos entre 0, 8 GHz y 5
Ghz
Seleccionar esta función im-
plica el uso de la versión im-
plementada en lenguaje C
Computación
AnsiC_core Sí de las funciones del modelo
optimizada
SCM. Implica una gran me-
jora en términos de tiempo
de computación
2 ms) y 6 subcaminos multitrayecto (valor por defecto del entorno SCM); la

matriz C tendría dimensiones 2 × 2 × 10 × 135000 × 6.
Tras obtener Cu,s,k,n,d , el proceso llevado a cabo para obtener la función
de transferencia variante en el tiempo del canal, es la siguiente:
   
h1,1 · · · h1,b e−2jπf1 τ1 · · · e−2jπfb τ1
 . .. ..   .. .. .. 
 ..
= . 
Hn,b .  . =
 = Cn,d  . . 
hn,1 · · · hn,b e−2jπf1 τd · · · e−2jπfb τn
   (3.2)
c1,1 · · · c1,d e−2jπf1 τ1 · · · e−2jπfb τ1
 . . . . ..   .. ... .. 
 ..
= .   
 . . 
cn,1 · · · cn,d e−2jπf1 τd · · · e−2jπfb τn
donde la matriz de coeficientes Cn,d es obtenida de la matriz Cu,s,k,n,d parti-

cularizando para distintos valores de k (usuario), u y s (u y s representan los
distintos caminos multitrayecto que la señal puede tomar entre transmisor y
receptor).
Es importante resaltar que (3.2) representa una transformada de Fourier
respecto
î de τ , tal
ï y como se definió en (3.1).
f1 . . . fb es el conjunto de frecuencias consideradas, es decir, las dis-
tintas frecuencias para las que se calculan los coeficientes de canal. Este
conjunto de frecuencias es generado en torno a la frecuencia central escogida
para la simulación (ver Tabla 3.1). El número de frecuencias es 14 y su separa-
ción está fijada en una cierta cantidad de RB, concretamente 8 RB. Se puede
hacer la comprobación matemática de que con esta configuración se cubre
toda la banda de frecuencias usada en la simulación (20 MHz). Asumiendo
que un RB estándar abarca 180 kHz:
RBBW × Numf × RBf = 180 kHz × 14 × 8 = 20 MHz (3.3)

La cantidad de RB mencionada está escogida acorde a la metodología
para la realimentación de valores de CQI que se usa para la simulación, la
denominada e-NodeB configured. Aunque será explicado en secciones poste-
riores de este capítulo, se escoge esa modalidad debido a la flexibilidad y
elevada granularidad que permite para la transmisión de informes de canal.
La opción para realimentación de valores de CQI e-NodeB configured per-
mite, como se ha indicado, una “precisión” de 8 RB (1.44 MHz). En la im-
plementación del simulador se planteó una disyuntiva en este punto: usar
un número elevado de coeficientes de frecuencia y después agrupar y hacer
medias sobre bloques de 8 RB para posteriormente calcular los CQI, o bien
muestrear el canal de forma directa cada 8 RB (y calcular el CQI sobre este
valor). Ambas opciones fueron implementadas, encontrando que la primera

era apreciablemente más costosa, tanto en términos de tiempo de proceso
como en almacenamiento, mientras que no aportaba una ventaja sustancial
en precisión sobre la segunda. La opción escogida fue, por tanto, la segunda.
3.2.1. Pruebas del modelo de canal SCM

A continuación se muestran gráficas de comportamiento del modelo de
canal SCM para distintos casos de estudio. En ellas queda representada la
variación de los coeficientes de canal en el tiempo (eje x, muestras de tiempo
cada 2 ms) y en la frecuencia (eje y, muestras de frecuencia cada 180 kHz,
esto es, cada RB), para distintos escenarios.
Es remarcable la diferencia en la velocidad de variación del canal con la
velocidad: cuanto menor es ésta, más suaves son las transiciones entre los
distintos valores instantáneos de los coeficientes de canal para un usuario
dado. También puede verse cómo el entorno afecta al canal (debido a la
variación de la dispersión multitrayecto).
Figura 3.2: Variación de los coeficientes de canal para un usuario

moviéndose a 3 Km/h en entorno micro. El eje “x” representa “bins” de
tiempo (en saltos de 2 ms) y el eje “y” representa bins de frecuencia (en
saltos en frecuencia de 180 k KHz) en torno a una frecuencia central de 2
GHz. Esto aplica también a las Figuras 3.3, 3.4 y 3.5.

moviéndose a 50 Km/h en un entorno micro
Son características las bandas diagonales que aparecen en estas figuras.

Es posible que sean debidas al diseño interno del simulador SCM para el caso
del entorno micro, pero no se ha podido acotar el motivo de este hecho. En
cualquier caso, el comportamiento del canal es el esperado en función de la
velocidad del usuario.

moviéndose a 5 Km/h en el escenario macro

moviéndose a 5 Km/h en el escenario micro
3.3. DISTRIBUCIÓN INICIAL DE USUARIOS EN LA CÉLULA LTE 53
3.3. Distribución inicial de usuarios en la cé-

lula LTE
Para cada usuario se genera inicialmente una SINR, derivada de la po-
sición del usuario en la célula. Realmente, lo que genera son vectores de
SINR de tamaño igual al número de usuarios, conforme a dos distribucio-
nes normales que aproximan las distribuciones de usuarios (en función del
escenario) sugeridas en [5] y que pueden ser vistas en la Figura 3.6.
Esto se hace así porque en vez de generar aleatoriamente la posición del
usuario dentro de la célula y luego calcular su SINR, es más sencillo ge-
nerar la SINR directamente, conociendo su distribución. Para generar las
distribuciones normales usadas, lo que se ha hecho es ajustar los puntos co-
rrespondientes con el 10 % y el 90 % de las CDF de la Figura 3.6 para que
se correspondan con sendas distribuciones normales de σ y µ específicas. El
punto correspondiente con el 50 % de las distribuciones generadas queda sen-
siblemente por debajo del correspondiente en las distribuciones del artículo
de Moguensen [5], pero se considera un error aceptable que no invalida el
método.
Las distribuciones normales que se usan para aproximar las curvas mos-
tradas en [5], sus parámetros característicos y los escenarios a los que van
asociadas se muestran a continuación:
Escenario Macro (µ, σ) = (3.5, 5.9).
Escenario Micro (µ, σ) = (11.5, 9).
La Figura 3.7 muestra la forma de las distribuciones normales usadas,

que han sido aproximadas en Matlab mediante los parámetros anteriores.
Aunque no esté estrictamente relacionado con la posición de los usuarios
en la célula, es importante mencionar que los dos escenarios descritos llevan
asociados distintos parámetros de dispersión multitrayecto media, siendo el
valor del entorno Macro más elevado que el del Micro por tratarse de una
célula de mayor tamaño. En el Capítulo 4, donde se explican los resultados
obtenidos, se dan los valores concretos que toman estos parámetros en función
de la simulación realizada.
3.4. Cálculo de la SINR instantánea

En apartados previos se ha descrito el proceso llevado a cabo para dis-
poner de los coeficientes de canal, tanto en tiempo como en frecuencia, para
Figura 3.6: Distribuciones de usuarios en escenarios macro y micro

según [5]. Eje x: SINR, eje y: probabilidad acumulada.
todos los usuarios en todo instante de tiempo. Estos coeficientes representan

las variaciones que sufre el canal con el tiempo y la frecuencia. Para conocer
el auténtico estado del canal para cada usuario y en cada instante de tiempo
es necesario conocer la SINR instantánea de cada usuario. La SINR ins-
tantánea es obtenida mediante una multiplicación de la SINR del usuario y
sus respectivos coeficientes de canal, en cada instante de tiempo.
Dependiendo de si se está simulando un escenario en el que los usuarios
pueden usar multiplexación espacial o no, existen dos posibles casos en los
que la SINR instantánea es calculada de forma diferente:
El sistema usa diversidad en transmisión y en recepción.
El sistema usa multiplexación espacial.
Se realiza el cálculo de los coeficientes de canal para ambos casos. Pos-

teriormente, en función de la matriz rank indicator (RI) se decide cual de
los dos resultados es el empleado para el resto de la simulación (ver aparta-
do 3.5).
3.4. CÁLCULO DE LA SINR INSTANTÁNEA 55
Figura 3.7: Distribuciones de usuarios en la célula de cobertura para los

escenarios macro y micro simulados
Antes de proseguir con la descripción pormenorizada de los dos caminos

posibles para el cálculo de la SINR instantánea de los usuarios, es necesario
definir algunos parámetros.
Sea Hu,s,k,n,b la matriz de canal multidimensional resultante de repetir el
cálculo realizado en (3.2), para todo usuario k, y para todo camino posible
entre elementos de antena transmisor y receptor (u, s). Por tanto, para cada
combinación posible de k, u y s se obtiene una matriz Hn,b , que contiene los
coeficientes de canal en tiempo y frecuencia para una terna concreta de los
parámetros indicados.
3.4.1. Caso 1: Diversidad en transmisión y recepción

En este caso, los valores absolutos de los coeficientes de canal asociados
a cada camino entre transmisor y receptor son sumados cuadráticamente,
como muestra (3.4). Esto es, en esencia, una técnica MRC, como se describe,
por ejemplo en [4].
U Ø
Ø S
H1k,n,b = |Hu,s,k,n,b |2 (3.4)
u=0 s=0
El método escogido para la implementación de la diversidad en recepción

es el de combinación.
En este caso SINR1_instantk,n,b = SINRk · H1k,n,b
3.4.2. Caso 2: Multiplexación espacial

El segundo caso comprende el hecho de que distintos caminos físicos entre
transmisor y receptor sean usados para multiplexación espacial. En este caso,
la SINR instantánea se calcula aplicando la técnica de descomposición en
valores singulares [4], tal y como indica (3.5).
{X1 , H2mm,k,n,b , X2 } = SVD(H2u,s ) (3.5)

Hu,s es la submatriz resultante de fijar en la matriz H los valores para k, n
y b. X1 y X2 son otras matrices que resultan de aplicar a H la descomposición
en valores singulares, pero que no son usadas.
En este caso SINR2_instant.mm,k,n,b = SINRk · H2mm,k,n,b
Nótese respecto al caso sin multiplexación espacial (1 capa) que la matriz
que contiene las SINR instantáneas tiene una dimensión más: mm que puede
variar entre 1 y 2. Además de para cada usuario, en cada instante de tiempo
y para cada frecuencia, la dimensión extra almacena cada uno de estos datos
para cada una de las capas espaciales.
3.5. Realimentación de valores de CQI

Como se ha indicado en la introducción, los valores de CQI son una infor-
mación que los terminales móviles envían a la estación base con la intención
de que esta tenga cierto conocimiento del estado del canal visto por el ter-
minal y pueda —en consecuencia— planificarle adecuadamente.
Tras proceder al estudio de las distintas opciones para la realimentación
de valores de CQI que ofrece LTE [4] se decidió que la mejor opción era
apostar por la implementación de informes aperiódicos, debido a la gran
cantidad de información que podían contener (en comparación con los perió-
dicos). La opción implementada en el simulador es la denominada eNodeB-
configured sub-band feedback que, dentro del conjunto de informes ape-
riódicos, es la que ofrece una información más exhaustiva sobre el estado del
canal. En la Figura 3.8 se puede encontrar información sobre los distintos
tipos de información enviada en las distintas modalidades aperiódicas.
En la opción eNodeB-configured sub-band feedback, el terminal reporta
un wideband CQI para el ancho de banda completo del sistema. Además, el
terminal reenvía un valor de CQI para cada sub-banda, calculado suponiendo
que existe transmisión sólo en la sub-banda relevante. Estos informes de CQI
3.5. REALIMENTACIÓN DE VALORES DE CQI 57
Figura 3.8: Posibles tipos de informes aperiódicos de CQI, en función del

modo de transmisión elegido para el canal PDSCH [3]
por sub-bandas son codificados diferencialmente con respecto al wideband

CQI usando 2 bits de la siguiente manera:
Offset del CQI diferencial por subbandas =

(3.6)
= índice CQI por subbanda − Wideband CQI
El conjunto de posibles offsets para los CQI diferenciales por sub-banda
es (≤ −1, 0, +1, ≥ +2). El tamaño de la sub-banda, k, es una función del
ancho de banda total del sistema tal y como indica la Tabla 3.9.
Figura 3.9: Tamaño k de la sub-banda para diferentes anchos de banda de

sistema [3]
La implementación en el simulador LTE de la modalidad de envío de CQI

descrita omite la parte sobre la codificación de los valores transmitidos. Se
considera que no aporta nada a nivel de simulación. La estación base dispone,
por tanto, de la misma información, pero “en bruto”, es decir, la estación base
dispone para cada sub-banda del valor de CQI indicado por el terminal (con
un cierto retardo).
Los distintos valores de CQI están generados conforme indica la Ta-
bla 3.2 [6]. El proceso de generación es el siguiente: la SINR instantánea
calculada para cada usuario, frecuencia e instante temporal (ver apartados
Tabla 3.2: Tabla usada para el cómputo de los CQI
CQI SINR Modulación Eficiencia(bits/símbolo)

0 Sin transmisión
1 -6.934 QPSK 0.1523
2 -5.147 QPSK 0.2344
3 -3.18 QPSK 0.3770
4 0.1254 QPSK 0.6016
5 0.761 QPSK 0.8770
6 2.70 QPSK 1.1758
7 4.697 16-QAM 1.4766
8 6.528 16-QAM 1.9141
9 8.57 16-QAM 2.4063
10 10.37 64-QAM 2.7305
11 12.3 64-QAM 3.3223
12 14.18 64-QAM 3.9023
13 15.89 64-QAM 4.5234
14 17.82 64-QAM 5.1152
15 19.83 64-QAM 5.5547
anteriores) se cuantifica con respecto a dicha tabla, asociando un valor con-

creto de CQI a cada uno de estos valores de SINR instantánea, en función
de los umbrales que delimitan cada valor de CQI. En la práctica habría un
algoritmo de adaptación de umbrales, pero en el caso que atañe a este PFC
se puede simplificar no simulando ese algoritmo, ya que se sabe cuales son
las curvas de BLER, y se eligen los umbrales de acuerdo a esas curvas.
En el proceso de simulación se considera un cierto retardo en el proce-
so de realimentación de los valores de CQI. En circunstancias reales,
la adaptación que tanto terminal móvil, como estación base tratan de hacer
no es perfecta: los informes sobre estado del canal que el usuario reporta a
la base no son instantáneos, por lo que la información que la estación base
utiliza para adaptar la transmisión a las condiciones del canal está ligera-
mente desactualizada. Esto no es grave cuando el canal varía temporalmente
de forma lenta, sin embargo en canales de rápida variación temporal, este
efecto tiene consecuencias apreciables sobre la tasa de datos alcanzable en
esa transmisión. Un ejemplo de canal común que sufra este efecto es el de un
usuario en un vehículo en movimiento (a una velocidad de, por ejemplo, 50
km/h) que tiene establecida una conexión con la estación base.
Se ha fijado dicho valor de retardo de envío de CQI en 4 ms. Se ha consi-
derado que este es un valor adecuado por ser representativo de las condiciones
3.5. REALIMENTACIÓN DE VALORES DE CQI 59
reales, además es el usado en otros trabajos como [8].
3.5.1. Matriz RI
La matriz RI (rank indicator) es el mecanismo que usa el simulador LTE
para simular el comportamiento derivado de la realimentación de valores de
RI que existe en el sistema LTE. Tiene unas dimensiones de n × b donde n
es el índice temporal y b el índice frecuencial.
La función de la matriz RI es almacenar información sobre si en un ins-
tante determinado, para una sub-banda determinada, al usuario se le debe
transmitir usando multiplexación espacial o no.
Recordemos que en el apartado 3.4 se describían dos métodos diferen-
tes para el cálculo de la SINR instantánea: que el sistema use multiple-
xación espacial o alguna técnica de combinación. En el citado apartado
se indicó que realizaban y almacenaban ambos cálculos. El motivo de es-
to es el indicador RI. Para decidir si en un instante determinado se ha de
transmitir a un usuario usando 1 ó 2 capas espaciales, se calcula de forma
tentativa el throughput alcanzable en ambas modalidades mediante el pro-
ceso indicado a continuación una vez conocidas ambas SINR instantáneas
(SINR1_instantk,n,b y SINR2_instantmm,k,n,b ), tal y como se ha indicado en
los subapartados 1 y 2 del apartado 3.4:
1. Se calcula el CQI asociado a cada SINR mediante la Tabla 3.2. En el

caso multiplexación espacial se tendrá un vector de 2 SINR instantáneas
y, por tanto, 2 valores de CQI.
2. Se calcula de forma tentativa mediante la Tabla 3.2 la tasa de datos

alcanzable en cada modalidad. En el caso multiplexación espacial se
obtiene un vector de dos tasas de datos alcanzables.
3. Se comparan las tasas de datos obtenidas en cada caso. El método que

obtenga la mayor será el que se almacene en la matriz RI para ser usado
a la hora de planificar.
Realmente de la Tabla 3.2 no se puede obtener directamente un valor de

tasa de datos, pero en su última columna se muestra la eficiencia espectral
esperable para cada valor de CQI. Comparando dichas eficiencias espectrales
es como se determina si una opción puede obtener potencialmente una tasa
de datos mayor que la otra.
En las Figuras 3.10, 3.11 y 3.12 se muestra, a modo de ejemplo, el número
de intervalos de transmisión en los que se transmite a los usuarios usando 1
ó 2 capas espaciales en distintos tipos de escenario.
Figura 3.10: Gráfica de número de recursos asignados según tipo de

multiplexación espacial en una simulación tipo C, con 10 usuarios,
moviéndose a 3 km/h en un escenario micro

multiplexación espacial en una simulación tipo A, con 10 usuarios,
moviéndose a 3 km/h en un escenario micro
3.6. PLANIFICACIÓN DE USUARIOS 61

multiplexación espacial en una simulación tipo A, con 10 usuarios,
moviéndose a 3 km/h en un escenario macro
Estas figuras se corresponden con realizaciones concretas de simulaciones,

con ciertos parámetros fijos, según se describe en el Capítulo 4.
3.6. Planificación de usuarios

La planificación de usuarios es uno de los aspectos claves de este simulador
y de este PFC en general, puesto que es en esta parte donde realmente todo
lo expuesto hasta ahora se transforma en resultados novedosos. Como se ha
comentado, la idea es poder tener un programa que sea capaz de simular las
ganancias de planificación derivadas de considerar un canal que varía muy
rápido en el tiempo debido a la propagación multitrayecto.
Se han implementado los siguientes planificadores: proportional-fair
(PF), round-robin (RI) y max-C/I. El más importante de los tres es el
proportional-fair, puesto que es el que tiene el funcionamiento más reco-
mendable en una situación realista; sin embargo se incluyen los otros dos a
modo de “comprobación” del correcto funcionamiento del proportional-fair.
Se espera que la tasa de datos binaria obtenida por el proportional-fair sea
superior a la obtenida por el round-robin, pero inferior a la que se obtiene
con el planificador max-C/I.
3.6.1. Planificador proportional-fair

La característica principal del planificador proportional-fair consiste en
que está diseñado para aprovechar las variaciones del canal multitrayecto con
el fin de incrementar la tasa binaria de la estación base, sin permitir que haya
usuarios no planificados durante largos periodos de tiempo [1]. Mantiene un
compromiso entre throughput de la estación base y equidad entre los usuarios.
En la Figura 3.13 se puede ver un gráfico del funcionamiento del plani-
ficador PF. Cada línea fina representa un usuario, el usuario elegido para
transmitirle es la línea negra gruesa. Puede verse cómo se elige a los usuarios
cuando tienen un valor alto de calidad del canal, relativa a su media. Esta
normalización es la que hace que el PF sea más justo que, por ejemplo, el
planificador máx-SINR.
En su forma básica, la planificación sólo es temporal3 , sin embargo tam-
bién existe una variante que planifica en tiempo y en frecuencia. Esta variante
es la que tiene sentido para LTE y es la que se ha implementado puesto que
LTE puede asignar recursos en ambos dominios. La dificultad de la imple-
mentación de la segunda variante es ampliamente superior a la de la primera.
Figura 3.13: Asignación de recursos radio en un planificador

proportional-fair [1]
Se considera un modelo de tráfico full-buffer para los usuarios, es de-

cir, siempre hay información que transmitir a los usuarios. El algoritmo del
planificador proportional-fair se explica a continuación:
El planificador PF asigna recursos radio para transmitir al usuario con
el mejor canal relativo respecto a sí mismo en cada slot tiempo-frecuencia.
3
Como por ejemplo ocurre en las tecnologías High-Speed Downlink Packet Access (HSD-
PA) o High-Speed Uplink Packet Access (HSUPA).
Matemáticamente, para cada instante de tiempo y en cada sub-banda de

frecuencia, el usuario al que se le transmite es aquel que maximiza la siguiente
función de prioridad [3] [8]:
TDAsu
Pus = æ (3.7)
Ru
donde:
Pus es la prioridad del usuario u en la sub-banda s.
TDAsu es la tasa de datos alcanzable por el usuario u en la sub-banda

s, es decir la tasa de datos con la que la estación base transmitiría a ese
usuario u si le hubiese correspondido esa sub-banda. La tasa de datos
alcanzable se calcula a partir de la información de CQI que el terminal
calculó, pero con un retardo de 4 ms, que en el simulador se corres-
ponde con 2 muestras de retardo. Como se ha indicado en apartados
posteriores, ese retardo de 4 ms pretende simular un escenario realis-
ta, en el que a la estación base le llegan los informes de canal cuando
estos están ligeramente desactualizados, debido a que el envío de esta
información no es instantáneo.
Por tanto, la tasa alcanzable indicada realmente es la tasa alcanzable
por el usuario u, en la sub-banda s, en el instante n − 2.
æ es la tasa de datos media del usuario u filtrada paso bajo según la
R u
ecuación:
1 æ 1
Rç
u (t) = (1 − ) · Ru (t − 1) + · TDRu (t − 1) (3.8)
τ τ
donde, para un usuario u, Rç æ
u (t) es la tasa de datos filtrada, Ru (t − 1)
es la tasa de datos filtrada en el instante anterior y TDRu (t − 1) es la
tasa de datos real en el instante anterior. τ es el tiempo de respuesta
del filtro, fijado en 500 muestras. Teniendo en cuenta que cada muestra
temporal equivale a 2 ms, τ = 1s.
3.6.1.1. Descripción detallada del proceso de planificación con el

PF
Dado que es el planificador principal y, en el que se basa la obtención de
resultados para este proyecto de fin de carrera, se quiere dar una descripción
detallada del proceso de planificación usando el planificador proportional-fair
y de todos sus elementos asociados.
En este apartado se mencionan distintos conceptos involucrados en la

planificación (EESM, ACM, MCS, cálculo de BLER, HARQ, multiplexación
espacial, etc.), que aunque hayan sido mencionados “de pasada” en un primer
momento, están explicados en los subapartados siguientes. Esto es así porque
en primer lugar se quiere dar una visión completa del proceso de planifica-
ción, para posteriormente ahondar4 en los detalles de las distintas “piezas”
involucradas.
A nivel general la implementación del PF tiene dos partes claramente
diferenciadas:
El planificador propiamente dicho, donde se calcula el valor de la fun-

ción de prioridad, como indica (3.7).
Una parte previa, en la que se calcula la tasa de datos real anterior

alcanzada por cada usuario.
Existe en el planificador un régimen transitorio de varias muestras de

tiempo hasta que todas las variables (inicializadas a 0) comienzan a estabi-
lizarse; sólo dura algunos milisegundos (primeras muestras temporales).
A nivel de código todo este proceso se efectúa dentro de un bucle que
recorre las muestras de tiempo. En cada muestra temporal, se hacen los
procesos necesarios a nivel de sub-bandas, usuarios, etc.
Cálculo de la tasa recibida anterior En primer lugar es importante des-

cribir la matriz de planificación: es bidimensional, con unas dimensiones
de t × b, y en cada tupla de valores (t, b), se almacena el usuario (k) al que
se le ha otorgado esa sub-banda b en el instante t. Es decir, almacena para
todos los instantes de tiempo, qué sub-banda le ha “tocado” a qué usuario.
Para cada usuario u, se recorre la matriz de planificación identificando
(y almacenando) las sub-bandas que le han sido planificadas en el instante
anterior. Se almacenan los valores de SINR y CQI asociados en todas las
sub-bandas asignadas a u en ese instante.
Esos dos vectores de información se procesan de la siguiente manera: por
una parte, se calcula el CQI medio y la SINR efectiva, esta última empleando
el algoritmo exponential effective SINR mapping (EESM) [12] [13] en las
sub-bandas asignadas al usuario u en el instante t. Para calcular la SINR
efectiva usando el algoritmo EESM es necesario conocer el parámetro β, que
se obtiene a partir del valor obtenido de CQI medio y la Tabla 3.3 [6]:
Como se contempla la utilización de técnicas de modulación y codificación
adaptativas, es necesario conocer el valor concreto de MCS con que se va a
4
Lo que, en terminología anglosajona se denomina estrategia top to bottom.
Tabla 3.3: Valores de β para cada CQI
CQI Parámetro β
0 5
1 5.01
2 5.01
3 0.84
4 1.67
5 1.61
6 1.64
7 3.87
8 5.06
9 6.4
10 12.59
11 17.59
12 23.33
13 29.45
14 33.05
15 33.41
transmitir al usuario u. Para ello se interpolan valores de MCS a partir del

valor calculado de CQI medio en un proceso que será detallado en apartados
posteriores.
Usando el valor calculado de MCS, se puede hallar la tasa de datos teó-
rica con la que la base transmite a un usuario en una de las sub-bandas
planificadas, por tanto la tasa bruta teórica total (Thraw ) será:
Thraw = Thsub−band · Nsub−band (3.9)
donde Nsub−band indica el número de sub-bandas en las que el usuario u fue

planificado.
Siguiendo la especificación LTE, se transmite en todas las bandas con el
mismo valor de MCS, como se puede ver en la ecuación anterior.
Finalmente, la tasa real (en el instante anterior) de un usuario que ha
sido planificado, se puede calcular teniendo en cuenta los errores cometidos
en la transmisión:
Th = (1 − BLER) · Thraw (3.10)
donde BLER es obtenido a partir de la SINR efectiva calculada y el MCS

usado mediante interpolación5 de las curvas definidas en la Figura 3.14 [6].

El motivo de usar las curvas de BLER de la Figura 3.14 es que están ob-
tenidas para LTE, y que aunque las curvas fuesen otras (por ejemplo despla-
zadas; depende del terminal, etc.) no pasaría nada porque lo que se pretende
es ver cómo “predecir” los resultados de throughput total mediante una fun-
ción sencilla (como se ha explicado en el Capítulo 1); los valores exactos de
throughput o BLER no resultan vitales. Si un método de predicción funciona
bien con unas curvas, también lo hará bien con otras.
El valor de BLER indicado en (3.10) está internamente modificado a la
baja para considerar la mejoría de BLER debido a técnicas HARQ.
Es pertinente hacer una aclaración en este punto: lo “normal” sería calcu-
lar la BLER usando (3.10) y generar errores de bloque con esa probabilidad.
No se ha hecho así por simplificar. De esta forma se evita tener que modelar
la HARQ y se evita complicar el simulador más allá de lo necesario.
Figura 3.14: Curvas que muestran valores de BLER para un CQI y una
SINR dada [6]
Creación de la matriz de planificación Para planificar adecuadamente

con el PF, son necesarios, según (3.7) dos elementos: la tasa de datos alcan-
zable por el usuario u, TDAsu y la tasa de datos media del usuario u filtrada
paso bajo. El segundo se obtiene a partir de la tasa de datos real definida en
5
En cierto modo, se puede considerar que los MCS abarcan el mismo conjunto de
estados de canal en lo referente a SINR, sólo que con más precisión.
el apartado anterior (Th) aplicando el filtrado indicado en (3.8). En el caso

de que en el instante anterior el usuario no haya sido planificado, el valor que
entra en el filtro es 0. El cálculo del primer elemento se realiza directamente
a partir del CQI que el terminal reenvió a la base (teniendo en cuenta el
retardo descrito en apartados previos).
Con estos datos, es posible calcular la función de prioridad (3.7) de cada
usuario en cada sub-banda y para cada instante de tiempo.
En la Figura 3.15 se puede ver una muestra temporal del comportamiento
en tiempo y en frecuencia de un PF planificando a 10 usuarios en una célula
de cobertura.
Figura 3.15: Ejemplo gráfico del funcionamiento del planificador PF. En el

eje de tiempo cada valor corresponde a muestras espaciadas 2 ms.
3.6.1.2. EESM
El algoritmo exponential effective SIR mapping (Exp-ESM o EESM) es
una técnica empleada para evaluar el rendimiento de sistemas con múltiples
portadoras. Inicialmente, este método fue propuesto para ser empleado para
el cálculo de valores de signal-to-interference ratio (SIR), pero también es
usado para cálculos de SNR. En el simulador descrito, el método EESM

siempre es usado para cálculos relacionados con la SINR de los usuarios.
Puesto que, en un momento dado, la BLER de un enlace depende de la SNR
de cada símbolo, representado como un vector γ, que incluye la SNR de cada
símbolo ocupado por la transmisión dentro esquema OFDM. El principio
fundamental detrás del método EESM es calcular un valor de SINR efectiva
instantánea, γeff , el cual es a su vez función del vector γ de la siguiente
manera:
BLERAWGN (γeff ) = BLER(γ) (3.11)

donde BLERAWGN (SNR) se refiere a la curva de BLER para un canal AWGN.
El nombre del método se origina a partir de γeff , que es la SNR efectiva con
la que obtendría la misma curva de BLER en un canal AWGN. Si existiese
una función que pudiese “mapear” el vector γ a un valor escalar γeff , el
algoritmo para cálculo de errores a nivel de enlace sería sólo dependiente de
una única variable instantánea junto con el conocimiento —a priori— de la
curva de BLER para un canal AWGN. Las referencias [6] [12] [13] coinciden
en la que las funciones de la forma:
 A B
ØR
−1  1 SINRr 
SNReff = βf f − (3.12)
R r=−1 β
son una muy buena aproximación. Se distinguen las siguientes partes:
La función f (x) es denominada, en este caso, “función de medida de la

información” y f −1 (x) es su inversa.
R es el número de valores diferentes de SINR presentes en la transmi-

sión.
β es un factor de ajuste, usado para ajustar el valor de SINR efectiva

a un valor concreto de MCS, correspondiente a un valor de CQI. Por
tanto, se puede encontrar un valor de β para cada CQI a partir de
simulaciones de nivel de enlace [6].
En el caso concreto de EESM, la función f (x) es una función exponencial:
f (x) = exp(−x) (3.13)

La función inversa f −1 (x) es, por tanto:
f −1 (x) = −ln(x) (3.14)

Por tanto la expresión general del método EESM es la siguiente:

 A B
R
1 Ø SINRr 
SNReff = −βln  exp − (3.15)
R r=−1 β
Existen otras variantes, x-ESM derivadas del método ESM, como mutual
information ESM (MIESM), pero no van a ser cubiertas en este documento.
No es importante escoger un método ESM u otro; lo que se busca es una
forma realista de simular lo que ocurre. Los resultados que se buscan —en
principio— no deberían ser sensibles al método elegido.
Aplicación al caso particular del simulador desarrollado. En el caso

particular del simulador desarrollado en el ámbito de este PFC, el muestreo
tiempo frecuencia usando en la aplicación del algoritmo EESM ha sido: por
sub-bandas en frecuencia (1,44 MHz) y cada 2 ms en tiempo.
3.6.1.3. ACM, MCS

Como se contempla el uso de ACM, se van a tener distintos formatos
de modulación y codificación en función del estado del canal. Para calcular
de forma precisa la tasa de datos y la BLER asociada a una transmisión
concreta, se decidió interpolar valores de MCS a partir de los distintos valores
de CQI medio que se calculan en el planificador en función del número de
sub-bandas en las que un usuario es planificado.
La función usada para dicha interpolación es la siguiente:
3 9 : 4
26
MCSu,t = max 0, (CQIu,t − 1) · +1 (3.16)
14
Los CQI 1 y 15 se corresponden exactamente con los MCS 1 y 27. Para el
resto de valores de CQI se redondea al MCS más cercano. Se añade un MCS
0 que representa una tasa de datos 0 (no se transmite). CQI 0 se asocia a
MCS 0. En la Tabla 3.4 se puede ver el conjunto de valores de MCS que son
considerados.
3.6.1.4. Cálculo de la BLER asociada a cada formato de transmi-

sión
Para calcular la tasa de datos real con la que se ha realizado una transmi-
sión concreta, es necesario tener en cuenta ciertos datos de BLER asociados
a dicha modulación. Esto se puede ver en (3.10). En ese apartado se hace
referencia a la obtención de la BLER, una vez conocida la SINR, mediante
la Figura 3.14.
Tabla 3.4: Tabla de MCS empleada [8]
MCS Modulación Eficiencia(bits/símbolo)

0 Sin transmisión
1 QPSK 0.2222
2 QPSK 0.3333
3 QPSK 0.42
4 QPSK 0.5
5 QPSK 0.6667
6 QPSK 0.84
7 QPSK 1
8 QPSK 1.16
9 QPSK 1
10 QPSK 1.46
11 16-QAM 1.72
12 16-QAM 1.84
13 16-QAM 2
14 16-QAM 2.16
15 16-QAM 2.32
16 16-QAM 2.44
17 16-QAM 2.6667
18 16-QAM 2.92
19 16-QAM 3.2
20 64-QAM 3.48
21 64-QAM 3.72
22 64-QAM 4
23 64-QAM 4.2
24 64-QAM 4.44
25 64-QAM 4.8
26 64-QAM 5.1
27 64-QAM 5.4
Para realizar el cálculo del párrafo anterior, se han interpolado las curvas
de la Figura 3.14 para tener un total de 27 curvas (correspondientes a los 27
valores de MCS) que se correspondan con 27 valores de BLER. Así mismo, se
han obtenido una familia de 27 rectas que aproximan las curvas de la Figura
3.14 (una vez interpoladas linealmente).
La aproximación ha sido hecha de la siguiente manera:
1 2
BLERSINR,MCS = min 1, 10(−1−pdte·(SINR01−SINR+∆·(MCS−1))) (3.17)
donde
pdte = −3.8388, que es el valor aproximado de la pendiente para todas

las rectas que aproximan a las curvas de la Figura 3.14.
SINR01 = −6.934.
Delta = 19.83 − SINR01

26
. Es decir, el conjunto de valores de SINR abar-
cados por las curvas divididos por los 26 intervalos que quedan de
interpolar usando 27 rectas (27 MCS).
La BLER ha de variar en el rango [0, 1] y debido al método usado de

interpolación pueden aparecer valores mayores a 1, lo cual no tiene sentido.
Por ello el límite superior de la función es 1. El primer índice ha de ser 0.
3.6.1.5. HARQ
Como se ha descrito en el capítulo 2, en LTE se usan técnicas HARQ con

combinación de retransmisiones, lo que tiene como consecuencia que la BLER
real sea ligeramente más baja que la obtenida mediante la Figura 3.14. Para
considerar este efecto, la BLER que muestra (3.10) está modificada mediante
un parámetro υ:
BLER = BLERraw · (1 − υ) (3.18)
donde υ = 0.2, que es la mejoría cuantificada por inspección de las curvas que
consideran HARQ respecto de las que no lo consideran en [7]. Dicha mejoría
no es constante, pero se toma un valor medio aproximado. En la Figura 3.16
se muestra la gráfica de la que se obtiene el valor de υ.
Figura 3.16: Ganancias de transmisión empleando métodos HARQ [7]
3.6.1.6. Multiplexación espacial en el planificador
No se ha mencionado hasta ahora, pero en la planificación se tiene en

cuenta que se puedan estar usando varias capas espaciales para la transmi-
sión, en este caso todos los cálculos indicados hasta ahora se repiten en
cada capa, con la diferencia de que hay un paso final en el que las tasas
de datos obtenidas por capa, se suman. En este caso toda la información
obtenida se trata de forma vectorizada6 , con vectores de tantos elementos
como flujos espaciales use el sistema. Este tratamiento vectorizado permite
que en el futuro se pueda adaptar el simulador para trabajar con tantos flujos
espaciales como sea necesario, como se indica en el Capítulo 5.
La “detección” para saber si un usuario concreto es susceptible de ser
transmitido usando multiplexación espacial se realiza leyendo la matriz RI a
la hora de planificar.
6
Vectorizada se refiere a que estos valores se guardan es estructuras de tipo vector en
Matlab, lo que simplifica la operación con estos valores.
3.6.2. Planificador round-robin

El planificador round-robin es el más sencillo de los planificadores imple-
mentados. La idea tras este planificador es sencilla: se van asignando recursos
tiempo-frecuencia a los diferentes usuarios de forma consecutiva, sin inteli-
gencia ninguna en el sistema. Con este planificador todos los usuarios son
planificados la misma cantidad de veces y no se tiene en cuenta estado del
canal (en los otros casos, sí). En la Figura 3.17 se puede ver un esquema del
funcionamiento de este planificador.
Figura 3.17: Asignación de recursos radio en un planificador round-robin [1]
La Figura 3.17 muestra cómo cada usuario es planificado a intervalos de

tiempo predefinidos, independientemente del estado de su canal radio.
En la implementación concreta realizada, se ha decidido que el recurso
que planificador RR asigne sean todas las sub-bandas de frecuencia; de esta
manera todos los usuarios son planificados temporalmente de forma conse-
cutiva en todo el ancho de banda del sistema:
u = mod(t − 1, U ) + 1 (3.19)
con t ≥ 1 y donde:
u identifica el usuario planificado. Dicho valor (índice u del usuario

planificado) se almacena dentro de la matriz de planificación, en el
lugar correspondiente, en función del recurso tiempo frecuencia (tupla
(t, f )) que esté siendo asignado.
mod es la operación módulo. En este caso, módulo del número total de
usuarios, U .
El cálculo de la tasa binaria obtenida para cada usuario con el RR, es

exactamente igual al descrito para el planificador PF. Sólo cambia la función
de planificación.
En la Figura 3.18 se puede ver una muestra temporal del comportamiento
en tiempo y en frecuencia de un RR planificando a 10 usuarios (cada uno
representado con un color) en una célula de cobertura.
Figura 3.18: Ejemplo gráfico del funcionamiento del planificador RR
3.6.3. Planificador max-C/I

Este es el planificador con el que mayor tasa de datos alcanza la base,
puesto que transmite en cada instante y en cada frecuencia al usuario que
mejor canal tenga en términos globales (en comparación con el resto de usua-
rios). En cada instante de tiempo y frecuencia, se planifica al usuario u que
maximice la siguiente expresión:
k = arg max Ru (3.20)

u
donde Ru es la tasa de datos para el usuario u.

El planificador max-C/I ha sido implementado como una variante del
proportional-fair en la que el denominador de (3.7) es igual a 1.
El cálculo de la tasa binaria obtenida para cada usuario en el planifica-

dor max-C/I, es exactamente igual al descrito para el planificador PF.
Figura 3.19: Ejemplo gráfico del funcionamiento del planificador

max-C/I [1]
En la Figura 3.19 se puede ver el funcionamiento del planificador max-

C/I, en el que sólo el usuario con mejor relación SINR (línea gruesa), es
planificado, mientras que al resto de usuarios no se les asignan recursos de
transmisión.
Capítulo 4
Resultados obtenidos
En este capítulo, se van a describir todas las simulaciones realizadas, los

parámetros involucrados en dichas simulaciones y los resultados obtenidos.
Estos resultados son consecuencia directa de la cuestión principal que se
lleva discutiendo todo el documento: simular la planificación de usuarios en
un sistema LTE modelando con precisión los efectos del multitrayecto.
Puesto que el objetivo final es crear una recopilación de datos de tasa
binaria representativos de múltiples escenarios, las simulaciones deben ser
realizadas para distintos parámetros de entrada.
4.1. Parámetros de entrada usados

En la Tabla 4.1 se indican todos los parámetros que es posible configurar
para crear distintos escenarios de simulación, así como el abanico de posibles
valores que pueden tomar.
A continuación se explican en detalle cada uno de los posibles parámetros.
Hay parámetros que es necesario mantener constantes para poder comparar
aquellos que sí van a estar sujetos a variaciones:
Tipo de antena El simulador LTE y el modelo SCM usado, contemplan

que, tanto emisor (estación base), como usuario (terminal móvil) usen
antenas con múltiples elementos, con el fin de usar técnicas de combi-
nación o multiplexación espacial. En principio el modelo SCM soporta
cualquier configuración a este respecto, simplemente variará el tamaño
—en función de las distintas combinaciones de caminos espaciales— de
la matriz multidimensional que se obtiene como resultado. Sin embar-
go, el simulador LTE sí impone un límite: transmisor y receptor pueden
tener cualquier número de elementos siempre y cuando no superen 2
simultáneamente. Esto es así porque, a día de hoy, no es común tener
77
78 CAPÍTULO 4. RESULTADOS OBTENIDOS
Tabla 4.1: Input parameters
Parámetro de entrada Posibles valores

Tipo de antena a × b, con a, b ≤ 2
Macro (outdoor), Micro
Escenario
(outdoor)
Dispersión del retardo multitra-
0.17µs, 0.65µs
yecto (E[σDS ])
Numero de UEs cualquiera ≥ 0
cualquiera ≥ 0 (por defecto:
Intervalo de muestreo
2 ms)
Duración de la simulación cualquiera ≥ 0
Frecuencia central 0.8 GHz ≥ f ≥ 5 GHz
Granularidad en frecuencia cualquiera (def: 180 kHz)
Velocidad para todos los UEs cualquiera ≥ 0
Planificador PF, RR or max-C/I
Ancho de banda 1.4, 3, 5, 10, 15 y 20 MHz
sistemas que puedan funcionar con más de dos capas espaciales. Lo

habitual es encontrarse con estaciones base y terminales con máximo
dos antenas. En LTE-A se contempla el empleo de mayor número de
flujos espaciales (lo que implica emplear en transmisión y recepción
mayor cantidad de antenas), pero su implantación es muy reducida de
momento.
Escenario Son los descritos en el Capítulo 3, correspondientes con distri-

buciones de usuarios en células de mayor y de menor cobertura. Con-
templan los casos extremos desde el punto de vista de la distribución
de usuarios (y el multitrayecto).
Dispersión media del retardo multitrayecto El modelo SCM contem-

pla dos posibilidades: E[σDS ] = 0.17µs y E[σDS ] = 0.65µs. Nor-
malmente se ha asociado la primera opción a simulaciones con el en-
torno micro y la segunda con el entorno macro. Estos valores son los
escogidos porque son los valores más extremos, desde el punto de vista
del multitrayecto, que permite el entorno SCM. σDS se calcula según la
siguiente expresión σDS = 10(εDS ·x+µDS ) , donde x ∼ η(0, 1). εDS y µDS
toman distintos valores según el escenario en el que nos encontremos,
con el fin de generar las distintas distribuciones de dispersiones [14].
4.1. PARÁMETROS DE ENTRADA USADOS 79
Número de usuarios El simulador LTE soporta cualquier número de usua-

rios. Las simulaciones contemplan 3 y 10 usuarios. Dichos usuarios no
son usuarios activos, sino el número total de usuarios por célula LTE.
El motivo de ceñirse a dos valores usuarios, es evitar que el número de
simulaciones a realizar sea demasiado grande. Además, realizar simu-
laciones de más de 10 usuarios tiene un gran impacto en el consumo
de recursos del sistema que corre la simulación (ver punto a continua-
ción: “Tiempo simulado”). En cualquier caso, como se discutirá más
adelante, se ha observado que este valor no afecta en gran medida al
throughput observado.
Intervalo de muestreo 2 ms. Este parámetro se mantiene común para to-

das las simulaciones. Se ha escogido el valor más bajo posible dentro
de los razonables, 2 ms, que es igual al mínimo valor posible para la
realimentación de valores de CQI del terminal a la base.
Tiempo simulado (s) Es el número de muestras de tiempo que se van a

simular. La cantidad total de tiempo simulado es la multiplicación del
número de muestras por el intervalo de muestreo (2 ms). En principio,
el objetivo es realizar estudios que simulen la mayor cantidad posible
de tiempo, pero en la práctica esto está limitado por dos factores:
1. La memoria de acceso aleatorio (RAM, por sus siglas en inglés).

Es el elemento limitante más importante, puesto que es el lugar
en el que Matlab almacena todas las variables. Para el número
máximo de usuarios escogidos, 10, limita la duración máxima de
la simulación a 900 segundos (en un PC con 8 GB de RAM).
2. El tiempo de ejecución de la simulación. Es decir, el tiempo real
que tarda cada simulación en ejecutarse. Para reducir los errores de
estimación que produce tener un número bajo de simulaciones del
mismo tipo, es necesario realizar gran cantidad de simulaciones. Si
cada simulación individual simula una cantidad de tiempo elevada,
el número de ellas que se podrán realizar en un lapso de tiempo
determinado disminuye. El tiempo establecido para simular está
fijado en 270 s y está seleccionado a partir de los 900s indicados
en el apartado anterior divido por 3 simulaciones que se realizan
en paralelo y añadiendo un pequeño margen de seguridad. En un
PC de 8 núcleos y 16 GB de RAM se han llegado ejecutar con
éxito 7 simulaciones de 270s en paralelo.
Frecuencia central Frecuencia de transmisión. La escogida ha sido 2 GHz.

Se ha escogido este valor por ser representativo de las bandas de fre-
cuencias que actualmente se están usando en España (1.8 GHz, 2.1,

GHz, 2.6 GHz).
Granularidad en frecuencia Se refiere al intervalo en frecuencia para el

cual se calcula un coeficiente de canal en frecuencia. Inicialmente esta-
ba fijado en 180 kHz (tamaño de 1 RB), pero al final y por los motivos
indicados en la parte final del apartado 3.2, esta granularidad en fre-
cuencia es de 8 RB (1.44 MHz).
Velocidad para todos los usuarios La velocidad es variable sin límites.

Las simulaciones se han hecho contemplando dos velocidades: 3 km/h,
que representa un canal que varía lentamente en el tiempo (peatón
caminando lentamente) y 50 km/h, que representa un canal que varía
rápidamente en el tiempo (un vehículo en ciudad). No tiene sentido
usar más valores de velocidad, puesto que lo que se quiere constatar es
el efecto de la misma en el throughput obtenido y para ello es suficiente
con los dos casos presentados.
Planificador Ya se han descrito en el Capítulo 3 de forma exhaustiva, los

tres planificadores considerados. Todos los lotes de simulaciones han
sido realizados con el planificador PF salvo uno en el que se ha usado
el planificador RR. El motivo de usar en un grupo de simulaciones
un planificador RR es comparar el funcionamiento del RR y el PF,
esperando obtener más throughput en caso de usar el último. También
se usa un RR, para tener la posibilidad de estudiar la existencia de
mejoras relativas fijas de throughput entre RR y PF. En cualquier caso,
el planificador principal es el PF por los distintos motivos explicados
tanto en el Capítulo 3, como en apartados siguientes del Capítulo 4.
Ancho de banda De las distintas configuraciones de ancho de banda que

permite LTE, siempre se ha usado la opción de 20 MHz, por ser la
más interesante para las simulaciones que se han hecho: con el mayor
ancho de banda se espera que la variabilidad del estado del canal en
función de la frecuencia sea más acusada, quedando más marcados los
efectos que se quieren tener en cuenta para simular, principalmente
multitrayecto en la transmisión. Además, con el mayor valor de ancho
de banda se consiguen —en principio— los mayores valores de tasas de
datos.
4.2. POST-PROCESADO 81
4.2. Post-procesado
Para poder obtener conclusiones, es necesario “dar forma” a todos los da-
tos que se obtienen de las distintas simulaciones realizadas. En este apartado,
dedicado al post-procesado, se explica el proceso por el cual los datos brutos
de miles de simulaciones se transforman en valores interpretables, sobre los
que sea posible trabajar para buscar resultados.
Es importante mencionar que el post-procesado es un proceso con dos
etapas claramente diferenciadas:
1. En una primera parte, se extrae la tasa de datos media obtenida por la

estación base para cada simulación de un grupo concreto y de una tanda
concreta, y se relaciona dicho valor, con la SINR media y la desviación
típica1 del conjunto de usuarios de esa simulación en concreto. Este
resultado se muestra en forma de “nubes de throughput”, que pueden
ser vistas en las páginas siguientes.
2. El segundo paso consiste en hacer un post-procesado “por bins” de los

datos de tasa binaria del punto anterior. De esta forma lo que se hace es
calcular una tasa de datos representativa según intervalos predefinidos.
De aquí se extraen los datos finales (tablas) buscados en este trabajo.
Un diagrama con el proceso detallado de procesado desde que se tienen

realizadas las simulaciones hasta que se obtienen las tablas finales se muestra
en la Figura 4.1.
4.2.1. Datos contenidos por las simulaciones

Como se ha indicado en puntos anteriores de este documento, para cada
combinación de parámetros se realizan en torno a 1000 simulaciones similares.
Cada una genera gran cantidad de datos, de los cuales se almacenan los
siguientes por ser considerados los más relevantes:
Tasa de datos (en bits por símbolo).
Matriz de planificación.
BLER de cada usuario en cada instante de tiempo.
MCS con el que se transmite a cada usuario en cada instante de tiempo.

1
Esta es la estrategia de post-procesado escogida tras probar otras aproximaciones de
post-procesado. Esto se explica durante los siguientes subapartados.
Figura 4.1: Visión general del proceso de post-procesado, así como de las
diferentes etapas que lo componen
El resto de datos de cada simulación (matrices con resultados intermedios,

etc.) se eliminan, puesto que almacenar toda la información que genera cada
simulación es un esfuerzo tremendo en términos de espacio ocupado en disco.
4.2.2. Obtención de la tasa de datos

A grandes rasgos, el funcionamiento de la primera parte del esquema de
post-procesado es el siguiente: sucesivamente se van cargando en memoria
las distintas matrices con los resultados representativos de cada simulación,
se analizan y se calcula la media temporal por usuario y simulación, de tal
forma que lo que se obtiene en este paso son matrices que contienen los
valores medios (respecto de toda la duración temporal de la simulación) para
cada usuario, tanto de throughput como de BLER. También se calculan a
posteriori distintos estadísticos de la SINR de la distribución de usuarios
asociados a esos valores de BLER y tasa de datos calculados.
Es importante aclarar que, los valores de SINR sobre los cuales se calculan
los distintos estadísticos, se corresponden con la SINR media en el tiempo de
los distintos usuarios.
Como se ha indicado anteriormente, los valores de tasa de datos se alma-
cenan en bits por símbolo. Dichos valores se transforman a bits por segundo
durante el post-procesado usando la siguiente expresión:
symb_int
Rbps = numsubport · numRB · · RbpS · koverhead (4.1)
long_int
donde:
numsubport es el número de subportadoras por RB usadas en el sistema:

12. El espaciado entre subportadoras (en cada RB) en el sistema LTE
es de 15 kHz, por tanto, al ser un RB 180 kHz, dividiendo, obtenemos
un total de 12 subportadoras por RB.
numRB es el número de RB por sub-banda en el sistema: 8. Como el

ancho de banda total del sistema es de 20 MHz, dividido en 14 sub-
bandas útiles (ver explicación en apartado sobre envíos de CQI en el
Capítulo 3), y cada RB son 180 kHz, se obtiene que cada sub-banda
está compuesta de 8 RB.
symb_int es el número de símbolos por intervalo: 7 [1].
long_int es la duración de cada intervalo de transmisión: 0.5 ms [1]

(ver también estructuración de tramas radio en el Capítulo 2).
RbpS es la tasa de datos en bits por símbolo.
koverhead es el factor de reducción de throughput debido a señalización,

etc. Se estima que la tasa de datos útil es el 95 % de la obtenida a nivel
radio [1].
4.2.3. Nubes de throughput

Un ejemplo de “nube de throughput” se muestra en la Figura 4.2. Las
“nubes de throughput” relacionan las tasas binarias de datos obtenidas por
la EB con distintas distribuciones de usuarios. El proceso mediante el cual se
obtienen estas “nubes de throughput” comienza con tres vectores de dimen-
siones 1 × N , donde N es el número total de simulaciones realizadas.
Estos vectores contienen la siguiente información:
Estadístico 1 o de valor central representativo. Por ejemplo, la media

de las SINR de los usuarios involucrados en cada simulación.
Estadístico 2 o de dispersión. Por ejemplo, la desviación típica de la

SINR de los usuarios involucrados en cada simulación.
Figura 4.2: Ejemplo de “nube de throughput”
Tasa media de datos obtenida para cada una de las simulaciones re-
presentadas por valores concretos de los dos primeros vectores. Ha sido
descrita en el apartado 4.2.2.
Cada tupla de valores de los dos primeros vectores se corresponde con

un valor del tercer vector. En la Figura 4.11se puede ver una representación
gráfica de esto.
Variando estos estadísticos se obtienen distintas versiones de las “nubes
de throughput”. Esto ocurre porque modificando el tipo de análisis se actúa
sobre los ejes y por tanto sobre la forma de organizar los puntos de la nube.
La idea es probar todos tipos de análisis disponibles y decidir con cual de ellos
se comete el menor error al hallar posteriormente el throughput medio. Para
ello es necesario, una vez obtenidas las “nubes de throughput” para cada tipo
de análisis, someter a dichas “nubes de throughput” a un post-procesado por
bins como el que se describe en el apartado 4.2.4.
A continuación se describen los distintos tipos de análisis que es posible
llevar a cabo mediante los estadísticos 1 y 2:
Posibles análisis usando el estadístico 1 para la tasa binaria:
• Hallar el valor central representativo mediante la media.

• Hallar el valor central representativo mediante la mediana.
Posibles análisis usando el estadístico 2 para la tasa binaria:
• Medida de la dispersión usando (4.2) con n=1.

• Medida de la dispersión usando (4.2) con n=1.5.
• Medida de la dispersión usando (4.2) con n=2 (desviación típica).
• Percentil para el 75 % de los casos.
donde n es el factor del exponente en la siguiente expresión:

A N
B n1
1 Ø
n
SN = (xi − x)n (4.2)
N − 1 i=1
En las páginas siguientes se muestran 16 imágenes en grupos de 2 (Figuras
4.3, 4.4, 4.5, 4.6, 4.7, 4.8, 4.9 y 4.10) que representan, por una parte, la
“nube de throughput” obtenida al aplicar sobre una tanda de simulaciones
de ejemplo (similar a las que se pueden ver en el apartado 4.3.1, compuesta
por aproximadamente 1000 puntos) todas las combinaciones posibles de post-
procesado, y por otra y en escala de color, los valores del cociente (4.3)
para las distintas combinaciones posibles con los tipos del análisis de la lista
anterior. Este cociente supone una medida del error relativo cometido al
encontrar el valor central representativo de throughput.
σbin
k= (4.3)
SINRbin
σbin es la desviación típica de los valores de throughput dentro de cada
“bin” y “SINRbin ” es su SINR media.
Es importante añadir la siguiente información sobre las citadas figuras:
cada rectángulo (de las figuras a la izquierda) representa un throuhgput me-
dio de 10 usuarios durante un tiempo. Cada rectángulo (de la parte derecha)
representa el cociente entre el throughput representativo (throughput me-
dio, en el denominador) del conjunto de throughputs que “caen” dentro de
un grupo (bin) delimitado según valores de los ejes x e y; y su medida de
dispersión (numerador). Este cociente es un factor de calidad: cuanto menor
sea (color tendente a azul oscuro y menores valores máximos), menor error
se comete al predecir el throughput real por medio del valor representativo
de cada bin.
Por simple inspección visual se puede comprobar que el menor error en
el post-procesado se da con un análisis basado en la media y la desviación
típica (n = 2). En esencia, el análisis realizado es de tipo visual; se trata
(a) P1 (b) Bins P1
Figura 4.3: Estrategia de post-procesado 1: (media, n=1)
(a) P2 (b) Bins P2
Figura 4.4: Estrategia de post-procesado 2: (media, n=1.5)
de observar la distribución de colores que aparece en todas las figuras de la

parte derecha. Se buscan dos efectos: que los tonos de color sean uniformes y
que tiendan a color azul oscuro. La gráfica que mejor cumple con lo indicado
es, por tanto, la que se corresponde con un análisis de media y desviación
típica, que es la Figura 4.6(b).
(a) P3 (b) Bins P3
Figura 4.5: Estrategia de post-procesado 3: (media, n=2: desviación típica)
(a) P4 (b) Bins P4
Figura 4.6: Estrategia de post-procesado 4: (media, percentil 75 %)
(a) P5 (b) Bins P5
Figura 4.7: Estrategia de post-procesado 5: (mediana, n=1)

(a) P6 (b) Bins P6
Figura 4.8: Estrategia de post-procesado 6: (mediana, n=1.5)
(a) P7 (b) Bins P7
Figura 4.9: Estrategia de post-procesado 7: (mediana, n=2: desviación

típica)
(a) P8 (b) Bins P8
Figura 4.10: Estrategia de post-procesado 8: (mediana, percentil 75 %)

4.2.4. Tablas de tasa de datos

En este apartado se describe el proceso por el cual se obtienen los que
podrían considerarse resultados finales de este PFC. Con toda la información
obtenida, se han conformado tablas en las que se relaciona la SINR y su
desviación típica, con un valor de tasa binaria de datos. Este valor de tasa
binaria ha sido obtenido haciendo estudios estadísticos de todas las tasas de
datos que “caen” dentro de intervalos cuadrados de media y desviación típica
de SINR. Esto se ha denominado (post-procesado por bins).
Los estudios estadísticos realizados han consistido en hallar un valor re-
presentativo de throughput dentro de cada rectángulo (o bin) haciendo la
media de todos los valores de throughput inicialmente existentes dentro de
ese rectángulo. Además, se ha hallado la desviación típica de dichos valores
por si fuese necesaria como resultado final2 .
Se puede ver como, claramente, los resultados aplicando mediana al esta-
dístico 1 mezclan mucho más los puntos de las “nubes de throughput” y, por
tanto, al realizarse el post-procesado por bins, la dispersión de los valores
representativos de throughput por bin aumenta.
Figura 4.11: Conjunto de simulaciones sobre el que se aplicaron los distintos

post-procesados por bins
2
Como se ha dicho en el apartado 4.2.3, también es útil este calculo de cara a analizar
la “calidad” del post-procesado.
Para procesar esta información, se crean unos vectores auxiliares que de-
finen las distintas áreas de cálculo (los mencionados bins), lo que puede ser
visto en la Figura 4.12.
Figura 4.12: Ejemplo de “bins” en un grupo de simulaciones
El siguiente paso consiste en calcular la tasa binaria total promediada

que se obtiene en cada cuadrado (como el sombreado en la Figura 4.12)
mediante un análisis de media y desviación típica. El resultado buscado es el
de throughput medio, pero al tener también el de la desviación típica, se
puede calcular, por cada cuadrícula, el “factor de calidad” definido por (4.3).
En el post-procesado por bins, el eje “y” siempre se refiere a valores de
desviación típica de la SINR y el eje “x” a valores medios de SINR; pero no a
valores absolutos, sino a ordinales de bins. Para encontrar el auténtico valor
de media y desviación típica hay que establecer algún tipo de asociación entre
ambas medidas.
Como este análisis posterior es común a todas las simulaciones realizadas
y además se quiere mantener un alto grado de comparabilidad, la cuadrícula
de bins es fija y abarca los siguientes valores:
Eje x (SINR media): de -4 dB a 10 dB.
Eje y (desviación típica de la SINR): de 0 dB a 12 dB.
siendo el tamaño del bin de 0.35 dB, tanto en x, como en y.

Los valores absolutos pueden ser por tanto hallados mediante las siguien-
tes relaciones:
SINRmáx − SINRmín
SINR = · SINRbin + SINRmín
SINR bins (4.4)
= k1 · SINRbin + SINRmín
σSINRmáx − σSINRmín
σSINR = · σSINRbin + σSINRmín
σSINR bins (4.5)
= k2 · σSINRbin + σSINRmín
Podemos hallar tanto k1 como k2 (que pueden ser vistos como factores de
conversión) sustituyendo en las expresiones anteriores lo siguientes valores:
10 − (−4)
SINRmáx = 10dB SINRmín = −4dB SINR bins = ≈ 40bins
0.35
12 − 0
σSINRmáx = 12dB σSINRmín = 0dB σSINR bins = ≈ 34bins
0.35
Finalmente se obtienen las siguientes expresiones que relacionan una mag-
nitud en “bins” con su valor real:
SINR = 0.35 · SINRbin − 5 (4.6)
σSINR = 0.3529 · σSINRbin (4.7)

Es interesante hallar los factores k1 y k2 porque en ocasiones, tanto
σSINR bins como SINR bins pueden no ser valores enteros.
La Figura 4.13 representa la tasa binaria media por bins de una muestra
de ejemplo (equivalente a una simulación Tanda A - Grupo 2, como las que
se pueden ver en el apartado 4.3.1). Es importante recalcar que los ejes no
son decibelios, sino que son índices que se relacionan con los valores reales
mediante las ecuaciones descritas.
En las siguiente páginas se pueden ver dos tablas (Tabla 4.2 y Tabla 4.3):
La primera contiene un extracto de una tabla final de tasa binaria en

Mbps promediada por bins con respecto a la SINR media y la desviación
típica de la SINR.
Figura 4.13: Ejemplo gráfico de tasa binaria media por bin
La segunda tabla muestra los valores de desviación típica asociada a

las medias de la primera tabla.
Es importante mencionar que las tablas mostradas a continuación están

recortadas y sólo se muestra la zona con “mayor densidad” de valores. Esto es
así, porque se incluyen como ejemplo visual de las tablas que realmente serán
introducidas en la herramienta se simulación indicada en la introducción a
este PFC (dichas tablas podrían estar en formato Matlab, por ejemplo).
Tabla 4.2: Ejemplo de tabla final de throughput (Mbps)
4.2. POST-PROCESADO
σ
93
Tabla 4.3: Tabla con los valores de desviación típica (σ) de throughput
94
(en bps) para los valores de SINR de la Tabla 4.2
CAPÍTULO 4. RESULTADOS OBTENIDOS

σ
4.3. SIMULACIONES REALIZADAS 95
En las Tablas 4.3 y 4.2 se pueden ver algunos “agujeros”. De cara a la

integración de estos resultados sería importante rellenar estos huecos vacíos
interpolando valores adyacentes. El tamaño del bin del post-procesado se ha
fijado en 0.35 dB, que se considera una buena solución de compromiso entre
un bin más pequeño que dejaría muchas áreas sin valor o un tamaño de bin
más grande, que dejaría menos áreas sin cubrir a costa de aumentar el error.
4.3. Simulaciones realizadas

Las simulaciones realizadas se dividen en “tandas” y “grupos”. Cada tan-
da contiene 8 grupos de simulaciones, cada uno de los cuales se corresponde
con una de las combinaciones posibles del siguiente conjunto de parámetros:
escenario, usuarios y velocidad de los usuarios. Cada grupo contiene
en torno a 1000 simulaciones con la misma configuración de los elementos in-
dicados. De aquí se deduce que cada tanda contiene aproximadamente 8000
simulaciones. A su vez, cada tanda implica la variación —de forma común a
todos sus grupos— de un parámetro adicional cuyo estudio se considera im-
portante (planificador, dispersión multitrayecto, configuración de antenas...).
En la siguiente tabla se puede ver un resumen de las tandas de simula-
ciones realizadas, cuyos resultados se pueden ver en secciones subsiguientes.
Tabla 4.4: Parámetros característicos para las distintas tandas de

simulaciones
Tanda Planificador MIMO E[σDS ] macro E[σDS ] micro

A PF 2×2 0.65µs 0.17µs
B RR 2×2 0.65µs 0.17µs
C PF 1×2 0.65µs 0.17µs
D PF 2×2 0.17µs 0.65µs
Los valores usados para cada grupo de 1000 simulaciones dentro de una
tanda son los mostrados en la Tabla 4.4.
Una vez explicado esto, se indican a continuación las tandas de simula-
ciones realizadas con los resultados (en “bruto”) obtenidos usando el post-
procesado basado en análisis de media y desviación típica, según se indicó en
los apartados 4.2.3 y 4.2.4.
Tabla 4.5: Parámetros característicos para los distintos grupos de

simulaciones
Grupo Escenario Num. usuarios Velocidad (Km/h)

1 macro 10 50
2 macro 10 3
3 micro 10 50
4 micro 10 3
5 macro 3 50
6 macro 3 3
7 micro 3 50
8 micro 3 3
4.3.1. Tanda A
Este conjunto de simulaciones se caracteriza por tener la siguiente confi-
guración común:
Planificador: PF
MIMO : 2 × 2 (BS, UE)
E[σDS ] macro: 0.65µs
E[σDS ] micro: 0.17µs
Esta tanda de simulaciones ha sido la primera en realizarse y ha tenido

una doble función: por una parte, ha servido de “banco de pruebas” para el
simulador desarrollado. Con los resultados obtenidos en estas simulaciones
se puede comprobar si el simulador ofrece valores esperables y si su funcio-
namiento es por tanto, correcto. Por otro lado, en esta tanda se agrupan
las simulaciones con valores de configuración más característicos en cuanto
a planificador, MIMO, etc. El resto de tandas se ocupan de simular usando
valores menos característicos. Por tanto aquí se trata de crear una “línea
base”.
En la Figura 4.14 se muestran los resultados de “nubes de throughput”
obtenidas de post-procesar cada grupo de aproximadamente 1000 simulacio-
nes de la Tanda A. Del procesado de todas las simulaciones realizadas en
esta tanda se obtiene la Tabla 4.6.
Por su puesto, los parámetros de simulación particulares para cada grupo
son los indicados en la Tabla 4.4.
Una de las primeras cuestiones que llama la atención respecto de la Tabla

4.6, es la discrepancia entre el número de simulaciones realizadas y las que
han sido analizadas. La explicación de este fenómeno proviene del hecho de
que, dado el alto número de simulaciones realizadas y la gran cantidad de
tiempo que el ordenador está encendido realizándolas, algunas se corrompen a
la hora de ser guardadas en disco3 y no pueden ser abiertas durante el proceso
de post-procesado. No es un efecto importante puesto que se produce a lo
sumo en el 0.1 % de las simulaciones realizadas. Estas simulaciones corruptas
se ignoran durante el post-procesado. Todo lo comentado en este párrafo
es extensible a las secciones en las que se describen el resto de tandas de
simulaciones realizadas.
Tabla 4.6: Resumen de resultados para la Tanda A
SINR
Num. Sim. Num. Sim. Throughput BLER
Grupo media
Realizadas Analizadas (Mbps) media
(dB)
A-1 1039 1036 34.91 3.56 0.4064
A-2 1032 1028 34.36 3.48 0.5049
A-3 992 983 57.33 11.49 0.3689
A-4 1000 994 58.97 11.42 0.4216
A-5 1014 1013 33.45 3.58 0.3959
A-6 1000 996 34.05 3.32 0.4327
A-7 1220 1161 57.31 11.47 0.3743
A-8 653 644 59.49 11.24 0.3874
En todas las imágenes reproducidas se puede observar un cierto patrón o

correlación entre la distribución de resultados en función de los parámetros
de los usuarios en una simulación concreta (dada por su media y su varianza),
lo cual es positivo de cara a buscar las relaciones entre estos parámetros de
simulación y tasa binaria de datos obtenida por la base.
3
Una teoría que podría explicar dicha corrupción, es que esta se produzca en la memo-
ria del ordenador a causa del efecto denominado bit flipping, en el que bits aleatorios en
posiciones de memoria pueden cambiar instantáneamente su valor. Es un efecto que rara-
mente ocurre con uso normal de un ordenador, pero en uno que está constantemente en
marcha manejando cantidades ingentes de datos llega a ser un fenómeno no despreciable.
La solución a este problema viene dada por el empleo de memorias de acceso aleatorio
(RAM) con tecnología de detección y corrección de errores (Error Checking & Correction
- ECC).
(a) Grupo 1 (b) Grupo 2
(c) Grupo 3 (d) Grupo 4
(e) Grupo 5 (f) Grupo 6
(g) Grupo 7 (h) Grupo 8
Figura 4.14: “Nubes de throughput” de los distintos grupos de la Tanda A

Se pueden observar distintos valores de tasa binaria de datos para dis-

tintos parámetros de entrada, como es de esperar; sin embargo se observa
claramente que este valor está estrechamente relacionado con la SINR media
obtenida por la estación base durante la simulación. Entre el grupo A-1 y
el A-2 varía la velocidad de los usuarios (50 y 3 Km/h respectivamente), es
extraño que para una velocidad más baja la tasa obtenida por la base sea
menor, puesto que la adaptación al canal debería ser más “fiel” (a menor
velocidad las variaciones en la respuesta temporal del canal son más lentas y
los mecanismos de realimentación del estado del canal proveen información
no desactualizada).
La diferencia entre tasa binaria obtenida para estas dos simulaciones es
tan pequeña que se puede considerar que se comportan de forma similar (sin
perder de vista que la BLER es mayor en el grupo A-2, aunque dentro de los
límites esperados).
En las simulaciones A-3 y A-4 se ve una variación mucho más grande.
Sus diferencias con la A-1 y la A-2 se limitan al escenario, que en este caso
se trata del escenario micro (lo que se puede deducir viendo la SINR media
obtenida por la estación base).
Los grupos de simulaciones restantes, A-{5,...,8}, se caracterizan por estar
hechos con 3 usuarios. Comparando dos a dos con las simulaciones A-{1,...,4}
(10 usuarios) se observa que la estación base obtiene ligeramente menos tasa
binaria con 3 usuarios que con 10. Esto es esperable y es debido a la ganan-
cia por planificación derivada de usar un planificador proportional fair. Es
destacable sin embargo la pequeña diferencia existente, a priori se esperaba
más ganancia por planificación.
En esta primera tanda se observa cómo el valor medio de SINR de los
usuarios de la celda está estrechamente relacionado con el throughput, hasta
el punto de hacer casi irrelevantes el resto de parámetros. Esto es en cualquier
es caso un resultado que hay que tener en cuenta, puesto que tan importante
es encontrar y caracterizar relaciones entre parámetros como descartarlas
para simplificar los procesos de cálculo (no hay que perder de vista que este
PFC está orientado a optimizar soluciones de planificación LTE).
Es importante mencionar también, que el sistema que usa el simulador
desarrollado para calcular el MCS con el que transmitir a un usuario dado
en las bandas en que ha sido planificado, puede influir ligeramente al alza en
la tasa de BLER obtenida. El MCS con el que transmite un usuario proviene
-como se ha indicado en el Capítulo 3- de mapear el valor medio del CQI
reportando por el terminal en las sub-bandas que se le ha planificado. Esta
media es aritmética, sin ponderación de ninguna clase, por tanto todas las
sub-bandas para las que se ha sobrestimado el valor de CQI hacen que a la
hora de transmitir información el BLER aumente.
Aunque parezca inicialmente que los valores obtenidos de BLER son ele-
vados, se trata de valores de BLER en primera transmisión. Tras varias
retransmisiones, mediante la técnica de combinación HARQ, lo más probable
es que los valores de BLER se viesen reducidos a valores de en torno al 20 %.
Para un valor de CQI dado, el 3GPP especifica que la tasa de error de bloque
asociada a ese valor ha de ser como máximo del 10 % sin embargo se trata
de un valor muy conservador y no necesariamente óptimo. En la práctica
las mayores tasas de transmisión se consiguen permitiendo un mayor BLER
en la comunicación, como por ejemplo se indica en [15], donde vemos que
para un canal AWGN la tasa óptima de transmisión se obtiene con un BLER
objetivo del 15 %. Para otros tipos de canal este valor crece apreciablemente.
Por otro lado, volviendo a la Figura 4.14, se observa una dependencia
del throughput no sólo con la SINR, sino también con la desviación típica
de la SINR de los usuarios de la simulación (eje y). Es una dependencia
menos marcada que con la media (las bandas de colores están más alineadas
con el eje y que con el x). Esto es lógico, teniendo en cuenta cómo funciona
el PF: más desviación típica implica más oportunidades de que haya SINR
instantáneas altas, y estas son las que se eligen al planificar. Este efecto
también se puede ver en las Tandas C y D, que también usan un planificador
PF. Si se usa un planificador RR, este efecto es mucho menos marcado.
4.3.2. Tanda B
guración común:
Planificador: RR
MIMO: 2 × 2 (BS, UE)
y tiene de nuevo un doble objetivo: en primer lugar, los resultados obtenidos

con un planificador RR se pueden comparar con las obtenidas por el PF
teniendo en cuenta que las tasas de datos obtenidas deben ser menores en
este caso (debido a la ganancia por planificación del PF). Los resultados de
las simulaciones hechas con el RR se han usado, por tanto, para confirmar el
buen funcionamiento del simulador. Por otra parte, una de las posibles formas
de modelar las relaciones que este proyecto busca es, hacerlo respecto a los
valores obtenidos por un planificador RR en las misas condiciones. Como
se ha indicado múltiples veces, lo que se quiere encontrar es una relación

entre ciertos parámetros de los usuarios en una célula de cobertura y la tasa
media de datos de la estación base. Esta relación puede elaborarse analizando
posibles patrones entre las ganancias de PF respecto del RR y por tanto
los resultados podrían mostrase como “márgenes de mejora” respecto a lo
obtenido por el RR.
Tabla 4.7: Resumen de resultados para la Tanda B
SINR
Grupo media
(dB)
B-1 1018 1012 26.75 2.41 0.3701
B-2 996 998 27.08 3.59 0.3734
B-3 1164 1157 48.97 11.51 0.3746
B-4 1036 1031 49.37 11.59 0.3729
B-5 998 992 19.84 3.55 0.3690
B-6 997 993 20.18 3.63 0.3728
B-7 1041 1033 35.93 11.45 0.3852
B-8 995 992 54.37 11.44 0.3795
La Tabla 4.7 muestra los resultados obtenidos del análisis de todos los
grupos de la Tanda B. Los patrones vistos en el análisis de la Tanda A
siguen presentes aquí: el principal parámetro que hace variar el throughput
obtenido es la SINR media de los usuarios existentes en el área de cobertura
de la estación base.
Se aprecia que el BLER es ligeramente menor en comparación con el ob-
servado en los resultados de la Tanda A (también, aunque en menor medida,
respecto de los resultados de la Tanda C y la D). No es un efecto suficiente-
mente acusado como para indicar que haya un factor subyacente fácilmente
identificable (y significativo de cara al análisis) que produzca dicho compor-
tamiento.
Comparando los resultados de la Tanda B con los de la Tanda A queda
claro que los valores de throughput obtenidos son menores. Esto es esperable
debido a que ya no se cuenta con la ganancia por planificación que sí se tenía
con el planificador PF.
La Tabla 4.8 muestra las diferencias entre los throughputs obtenidos en
las Tandas A y B para los mismos escenarios. Se puede ver una disminución
de throughput de aproximadamente 10 Mbps entre los distintos lotes de si-
mulaciones, salvo para los dos últimos. En estos la diferencia es del el doble
Tabla 4.8: Comparativa entre el throughput medio obtenido por cada grupo
de simulaciones de las Tandas A y B
Throughput Throughput
Grupo ThA − ThB
Tanda-A (Mbps) Tanda-B (Mbps)
1 34.91 26.75 8.16
2 34.36 27.08 7.28
3 57.33 48.97 8.36
4 58.97 49.37 9.60
5 33.45 19.84 13.61
6 34.05 20.18 13.87
7 57.31 35.93 21.38
8 59.49 54.37 5.12
y la mitad respectivamente. El valor elevado en el octavo caso puede ser ra-

zonable puesto que estamos en un entorno con unos usuarios con una SINR
muy alta moviéndose muy despacio. De alguna manera, parece que el hecho
que usar un planificador RR en un escenario micro produce unos resultados
relativos de throughput (respecto a la Tanda A) que se alejan más de la me-
dia que en el resto de los escenarios. Estos resultados empujan a descartar
la generación de tablas “relativas” que caractericen el throughput obtenido
usando un PF, con respecto a un RR. Se prefiere entonces generar las ta-
blas que relacionen directamente distribuciones de usuarios (en escenarios
concretos) con throughputs obtenidos con un PF.
También es interesante realizar un análisis de la relación del throughput
con la desviación típica como el que se ha hecho al final del apartado anterior:
en este caso se ve que el throughput se alinea de forma casi perfectamente
vertical, indicando que el throughput obtenido depende en exclusiva de la
SINR de los usuarios.
Figura 4.15: “Nubes de throughput” de los distintos grupos de la Tanda B

4.3.3. Tanda C
guración común:
Planificador: PF
El objetivo de esta tanda de simulaciones es simular otro de los casos

interesantes que se pueden dar en un sistema LTE: que la estación base
tenga una única antena para transmitir, pero que el terminal móvil tenga
dos.
En la Tabla 4.9 se pueden ver los resultados obtenidos para la Tanda C.
Tabla 4.9: Resumen de resultados para la Tanda C
SINR
Grupo media
(dB)
C-1 1014 1014 26.25 3.48 0.3708
C-2 1017 1017 24.73 3.52 0.4894
C-3 1013 1012 42.03 11.57 0.3781
C-4 1014 1014 46.11 11.56 0.4298
C-5 1014 1014 25.06 3.33 0.3394
C-6 1015 1015 27.47 3.61 0.3949
C-7 1014 1014 40.67 11.65 0.3982
C-8 1014 1014 45.83 11.60 0.3859
En este caso el uso de multiplexación espacial es imposible, pero sigue

siendo posible por parte del terminal usar técnicas de combinación como
MRC. La tasa de datos media obtenida por la base está claramente por debajo
del caso equivalente con dos antenas en transmisión y recepción (Tanda-A),
lo que induce a pensar que -a pesar de no usarse de forma muy extensa4 - la
4
No se han hecho estudios específicos al respecto, pero de forma cualitativa se puede
asegurar que por norma general no se transmite al terminal móvil más de un único flujo
de espacial de datos, excepto en los casos en los que las condiciones del canal son extre-
multiplexación espacial es un elemento que juega muy a favor de aumentar

las tasas de datos que se pueden transmitir en un sistema LTE. Esto se puede
asegurar, al menos, para el canal descendente, que es objeto de estudio de
este PFC.
Tabla 4.10: Comparativa entre el throughput medio obtenido por cada

grupo de simulaciones de las Tandas A y C
Grupo ThA − ThC
Tanda-A (Mbps) Tanda-C (Mbps)
1 34.91 26.25 13.16
2 34.36 24.73 9.63
3 57.33 42.03 15.03
4 58.97 46.11 12.86
5 33.45 25.06 8.39
6 34.05 27.47 6.58
7 57.31 40.67 16.64
8 59.49 45.83 13.66
En la Tabla 4.10 se muestra la diferencia entre las tasas binarias de datos

obtenidas por la Tanda-A y la Tanda-C y se puede ver un efecto interesante:
la diferencia es mayor en los escenarios micro que en los escenarios macro.
Esto tiene sentido puesto que para los escenarios micro la relación SINR
típica para un usuario es mayor, lo que supone un escenario más propicio
para el empleo de técnicas multiplexación espacial.
También puede verse que que la diferencia de throughput es mayor para
los escenarios con 3 usuarios. En la Tanda-A se indicó que no había grandes
diferencias entre simulaciones con 3 o 10 usuarios, pero en esta tanda, com-
parativamente, las simulaciones con 3 usuarios pierden más tasa binaria de
datos (respecto de sus homólogas de la Tanda A) que las de 10.
madamente favorables. En el caso que se transmite con dos flujos espaciales suele haber
uno totalmente predominante en cuanto a tasa alcanzada. Se recuerda al lector que la
metodología empleada para decidir en número de flujos espaciales usados para transmitir
a un usuario en un TTI determinado está descrita en el apartado 3.5.1.
Figura 4.16: “Nubes de throughput” de los distintos grupos de la Tanda C

4.3.4. Tanda D
guración común:
Planificador: PF
Tabla 4.11: Resumen de resultados para la Tanda D
SINR
Grupo media
(dB)
D-1 1009 1007 33.77 3.50 0.4015
D-2 1009 1006 33.23 3.46 0.5104
D-3 1020 1008 59.13 11.53 0.3713
D-4 1010 1007 61.53 11.66 0.4159
D-5 1006 1000 32.33 3.53 0.3906
D-6 1011 1011 33.36 3.36 0.4303
D-7 1009 1005 59.08 11.29 0.3768
D-8 1006 1001 61.78 11.37 0.3821
En esta tanda de simulaciones se han variado las dispersiones típicas

del retardo multitrayecto de modelo de canal utilizado, intercambiándolas,
como se puede ver en el resumen de parámetros utilizados. En una primera
aproximación no se ven variaciones importantes en ninguno de los parámetros
estudiados, siendo estos similares a los obtenidos en la Tanda-A.
Las “nubes de throughput” correspondientes a los grupos de simulaciones
de la Tanda-D se pueden ver en la Figura 4.17
Sin embargo, si se realiza un análisis comparativo más exhaustivo de las
variaciones de throughput entre la Tanda-A y la Tanda-C, como el que se
muestra en la Tabla 4.12, se observan algunos patrones: las diferencias en
throughput son del orden de 1 dB, pero en los casos de simulaciones en en-
torno macro son a favor de la Tanda-A y en las de tipo micro a favor de la
Tanda-B. Es decir, comparativamente, siempre obtienen más throughput (a
igualdad de otros parámetros) las simulaciones para las que E[σDS ] = 0.65µs
(es importante recordar que en la Tanda-D los valores de E[σDS ] están inter-
cambiados entre escenarios con respecto a la Tanda-A). No es una diferencia
abultada, pero es existente.
Una posible explicación a que en entornos con mayor dispersión del retar-
do multitrayecto se obtenga más throughput, es que un aumento del retardo
multitrayecto implica menos ancho de banda de coherencia, por tanto van a
existir más variaciones en frecuencia. Esto produce que aumenten los máxi-
mos en frecuencia, que es lo que aprovecha el PF a la hora de planificar.
Tabla 4.12: Comparativa entre el throughput medio obtenido por cada

grupo de simulaciones de las Tandas A y D
Grupo ThA − ThD
Tanda-A (Mbps) Tanda-D (Mbps)
1 34.91 33.77 1.14
2 34.36 33.23 1.13
3 57.33 59.13 -1.8
4 58.97 61.53 -2.56
5 33.45 32.33 1.12
6 34.05 33.36 0.69
7 57.31 59.08 -1.77
8 59.49 61.87 -2.38
Figura 4.17: “Nubes de throughput” de los distintos grupos de la Tanda D

Capítulo 5
Conclusiones y líneas futuras
El objetivo de este capítulo es sintetizar los resultados obtenidos y los

objetivos logrados. Además, se proponen distintas líneas en las que se podría
seguir el trabajo con el fin de dotar de nuevas funcionalidades al simulador.
Este apartado es —a pesar de su brevedad— tremendamente importante,
puesto que dibuja sin lugar a dudas, la línea que separa lo que ya se ha hecho
de lo que se puede hacer a partir de ahora usando los resultados obtenidos.
5.1. Conclusiones
Durante la realización de este Proyecto Fin de Carrera se ha consegui-
do implementar un simulador del enlace descendente de un sistema LTE, el
cual es capaz de simular con precisión el comportamiento de un canal mul-
titrayecto. Esto ha permitido, a su vez, analizar el comportamiento de dicho
enlace descendente cuando una estación base transmite a distintos usuarios.
Finalmente se han obtenido tasas de datos representativas en función de la
distribución de usuarios en la célula y para distintos parámetros de entrada
del canal.
El simulador consta de un total aproximado de 1200 líneas de código
Matlab en 12 archivos diferentes. El tiempo aproximado para escribir sus
diferentes componentes hasta llegar a su versión actual1 ha sido de 6 meses
(se estiman 480 h de trabajo). El número total de simulaciones realizadas as-
ciende a 32000 (varios cientos más contando pruebas), el tiempo aproximado
que han tardado en realizarse ha sido de unos 5 meses (durante los cuales se
ha tenido al menos un PC en modo de operación 24/7, por tanto 4320 h).
Se ha tenido éxito en cuanto a la consecución del objetivo final: se han
sentado las bases para la obtención de las tablas que se pretenden integrar
1
Disponible en el grupo GTIC - Radiocomunicaciones.
111
112 CAPÍTULO 5. CONCLUSIONES Y LÍNEAS FUTURAS
en la herramienta de planificación Xirio y se han obtenido algunas de ellas.

Como se puede ver en las que han sido incluidas a modo de ejemplo en el
apartado 4.2.4, el error obtenido en la estimación del valor de throughput re-
presentativo, es pequeño. Es importante reseñar que estos resultados van a ser
introducidos en la herramienta de planificación radio de aplicación comercial
Xirio (www.xirio-online.com), de la empresa Aptica (www.aptica.es).
Como se ha indicado en el Capítulo 4, se han probado diferentes “ejes” a la
hora de procesar los resultados de las simulaciones realizadas (media/sigma,
mediana/percentil, etc.). El mejor (de acuerdo con el modelo utilizado) ha
resultado ser el de media/sigma (ver apartado 4.2.4).
De los ejes definidos (media y sigma), el efecto de la media es mucho más
marcado que el de la desviación típica (σ): como se puede ver en todas las
“nubes de throughput” que representan los resultados de throughput obteni-
dos de las simulaciones, las “bandas de colores” tienen una clara tendencia a
la verticalidad (esto es, a alinearse con respecto a la SINR media de las distri-
buciones de usuarios que generan los puntos de las “nube de throughput”). Se
ha encontrado que el factor fundamental de cara al throughput es la distribu-
ción de usuarios en la célula, por encima de otros parámetros como el número
de usuarios o su velocidad (que aunque tengan efecto, es mucho menor).
En otro ámbito, pero no menos importante, se ha escrito un artículo (en
lengua inglesa) sobre el trabajo realizado y ha sido presentado con éxito en
un congreso a nivel nacional (detalles y artículo presentado en Anexo I).
Por último —aunque sea una cuestión más de forma que de fondo—
es interesante mencionar que la presente memoria ha sido escrita usando el
sistema de composición de textos LATEX(http://www.latex-project.org/),
estándar de facto en ámbitos científicos internacionales.
En el apartado siguiente se proponen algunas líneas futuras sobre las que
sería interesante trabajar para dar continuidad a este proyecto.
5.2. Líneas futuras

Es importante distinguir dos vertientes diferentes en cuanto al trabajo
realizado:
Por una parte, está todo el trabajo realizado en el desarrollo del simu-
lador para incluir las distintas características del sistema LTE.
Por otra, la realización de simulaciones e interpretación de resultados.

5.2. LÍNEAS FUTURAS 113
Figura 5.1: Categorías de terminales [1]
5.2.1. Línea futura 1: nuevas características

Los dos elementos expuestos marcan las líneas por las que el trabajo
realizado podría continuar. En lo referente al desarrollo del simulador, lo
implementado cubre las funcionalidades de LTE hasta su release 9, por tanto
no contempla ninguna de las características principales de LTE-A (release
10 y posteriores). En el momento en el que estas líneas están siendo escritas
(octubre de 2014) la implantación comercial de LTE-A está comenzando —
tímidamente— por parte de algunos operadores en España.
Algunas de las características más importantes de LTE-A son el empleo
de MIMO 8x8, carrier aggregation (CA) y soporte de canales con un
ancho de banda de hasta 40 MHz. El objetivo final es alcanzar valores
de eficiencia espectral de hasta 15 bit/s/Hz en downlink y 6.75 bit/s/Hz en
uplink, o visto de otra forma, 1 Gbit/s y 270 Mbit/s respectivamente2 .
En la Figura 5.1 se muestra un resumen de las tasas de datos teóricamen-
te alcanzables por las distintas categorías de terminales compatibles con el
sistema LTE.
A continuación vamos a analizar las nuevas funcionalidades previstas en el
sistema LTE-A y como podrían ser introducidas en el simulador desarrollado.
MIMO 8x8. De las tres funcionalidades principales, esta es sin lugar a

dudas, la más costosa de implementar. LTE-A soporta un máximo de 8 flu-
jos espaciales. La obtención de los correspondientes coeficientes de canal no
2
Por supuesto estos valores son teóricos. El autor de este documento ha tenido conoci-
miento de que en pruebas de campo en Madrid, con material comercial disponible, la tasa
de datos de pico en el enlace descendente no supera 75 Mbit/s.
Figura 5.2: Transmisión usando “agregación de portadoras” en LTE [1]
presentaría grandes complicaciones puesto que, tanto el modelo de canal SC-

ME, como el post-procesado posterior para obtener los coeficientes de canal
en tiempo y frecuencia, soportan sin problema el trabajo con cualquier nú-
mero de flujos espaciales. Sin embargo, en apartados posteriores habría que
modificar distintas partes del simulador: la obtención de la matriz RI (ver
Capítulo 3) y el planificador, fundamentalmente. A día de hoy ambos están
diseñados para trabajar con un máximo de 2 flujos espaciales.
Carrier aggegation. (Ver Figura 5.2). En LTE sólo se permitía el uso

de una portadora por terminal, de hasta 20 MHz de ancho de banda. En
LTE-A se permite usar simultáneamente hasta 5 portadoras, contiguas o
no, incluso pertenecientes a canales totalmente distintos. Ello aumentaría el
ancho de banda hasta los 100 MHz. El hecho de que no sea necesario que las
portadoras sean contiguas habilita el uso de espectros fragmentados3 .
Carrier aggregation podría incluirse en el simulador mediante tres apro-
ximaciones diferentes (la de mayor precisión y más costosa es la tercera):
Multiplicando los resultados de tasa binaria por el número de porta-

doras que se quieren simular. No parece un método muy adecuado, al
menos cuando las bandas de frecuencias no son contiguas. A distintas
frecuencias los efectos de propagación son diferentes y de esta forma no
se estarían teniendo en cuenta dichas diferencias.
Modificar el código del wrapper para que sea capaz de lanzar distintas
simulaciones con distintas portadoras y que en última instancia sume
los resultados promedios de cada usuario en cada portadora. Esta apro-
ximación es más compleja pero aprovecha la potencia del simulador en
todas las bandas usadas por la funcionalidad CA.
3
La pruebas de campo de LTE-A a las que se ha hecho mención antes, utilizan dos
portadoras, una en 1800 MHz y otra en 2600 MHz.
5.2. LÍNEAS FUTURAS 115
Figura 5.3: Relaying [1]
Si las bandas son contiguas, basta con aumentar la variable ancho de

banda del sistema, pero esto es un caso particular. Si no son conti-
guas, sería necesario simular la propagación en todas las bandas que se
agreguen (con varias llamadas al modelo SCME), y luego planificar y
asignar a la vez recursos de diferentes bandas a los distintos usuarios.
Canales de 40 MHz. En principio, el simulador soporta cualquier ancho

de banda de canal. Sin embargo, podría ser necesario comprobar que el código
usado para calcular los coeficientes de canal en tiempo y frecuencia mantiene
la granularidad en frecuencia que se desee para anchos de banda superiores
a 20 MHz.
Otra funcionalidad muy interesante de LTE-A es la de relay cell (Figura
5.3). Relay cell habilita que distintos equipos puedan funcionar como una
célula LTE que se conecta a la estación base LTE usando la propia tecnología
LTE. Dicho equipo actuando de relay puede ser incluso otro terminal de
usuario.
Esta funcionalidad probablemente escape a los objetivos y estructura del
simulador desarrollado, pero es necesario mencionarla por ser una de las más
interesantes del sistema LTE-A.
5.2.2. Línea futura 2: simulaciones y post-procesado

En este ámbito, la primera actuación es realizar la introducción de los
datos obtenidos en la herramienta de planificación. Para ello es necesario
convenir con la empresa propietaria del software de planificación el formato
preciso en el que se quieren las tablas de datos obtenidas, así como obtener
las tablas restantes. Aunque este trabajo se incluya en el apartado de “lí-
neas futuras” de este documento, será realizado en un plazo corto de tiempo
(puesto que ya están elaborados los scripts de Matlab para la generación

automática de las tablas).
A pesar de que se han hecho 32000 simulaciones probando 32 configura-
ciones distintas de parámetros, podría ser interesante usar el simulador para
la prueba de configuraciones adicionales. Se podría investigar funcionalida-
des más avanzadas del simulador SCM con el fin de simular escenarios más
concretos con características más específicas.
Por otra parte, en cuanto a las tablas de throughput obtenidas del post-
procesado por bins, sería muy interesante investigar los efectos derivados de
“mezclar tablas” en el error cometido. La forma de hacer esto es aunar distin-
tas “nubes de throughput” en una sola, y sobre esta aplicar el post-procesado
por bins. Si el error cometido, resultado de esta mezcla, es razonable, ten-
dríamos un conjunto reducido de tablas (incluso una única tabla global) con
la que se podrían predecir resultados certeros de throughput, en función de
la distribución de usuarios en la célula. Esto permitiría acelerar —incluso
en mayor medida de lo que se conseguirá con las tablas de datos extraídas
hasta ahora— la herramienta de planificación en la que se quieren integrar
los resultados de este PFC, puesto que en vez de consultar distintas tablas
en función de las condiciones de la simulación, se podría consultar sólo una
o un número reducido de éstas.
Bibliografía
[1] Erik Dahlman, Stefan Parkvall, and Johan Skold. 4G: LTE/LTE-
advanced for mobile broadband. Academic Press, 2013.
[2] Luis Mendo Tomás. Apuntes de Comunicaciones Móviles (COMV).

ETSIT-UPM, 2013.
[3] Stefania Sesia, Issam Toufik, and Matthew Baker. LTE: the UMTS long
term evolution. Wiley Online Library, 2009.
[4] David Tse. Fundamentals of wireless communication. Cambridge uni-

versity press, 2005.
[5] P. Mogensen, Wei Na, I.Z. Kovacs, F. Frederiksen, A. Pokhariyal, K.I.

Pedersen, T. Kolding, K. Hugl, and M. Kuusela. Lte capacity compa-
red to the shannon bound. In Vehicular Technology Conference, 2007.
VTC2007-Spring. IEEE 65th, pages 1234–1238, April 2007.
[6] Xiaowen Li, Qianjun Fang, and Liuwei Shi. A effective SINR link to
system mapping method for CQI feedback in TD-LTE system. In Com-
puting, Control and Industrial Engineering (CCIE), 2011 IEEE 2nd In-
ternational Conference on, volume 2, pages 208–211, Aug 2011.
[7] Na Wei, Akhilesh Pokhariyal, Christian Rom, Basuki E Priyanto, Frank

Frederiksen, Claudio Rosa, TB Sorensen, Troels E Kolding, and Pre-
ben E Mogensen. Baseline E-UTRA downlink spectral efficiency evalua-
tion. In Vehicular Technology Conference, 2006. VTC-2006 Fall. 2006
IEEE 64th, pages 1–5. IEEE, 2006.
[8] Narciso García Cano. Técnicas de adaptación al enlace radio en LTE.

Master’s thesis, Escuela Técnica Superior de Ingenieros de Telecomuni-
cación - Universidad Politécnica de Madrid (UPM), nov 2011.
[9] Focus on international regulations for spectrum management and sate-

llite orbits. (Fecha Ãžltimo acceso 15-July-2014).
117
118 BIBLIOGRAFÍA
[10] Jari Salo, Giovanni Del Galdo, Jussi Salmi, Pekka Kyösti, Marko Milo-
jevic, Daniela Laselva, and Christian Schneider. Matlab implementation
of the 3GPP spatial channel model (3GPP tr 25.996). on-line, Jan, 2005.
[11] DS Baum, J Salo, M Milojevic, P Kyösti, and J Hansen. Matlab imple-

mentation of the interim channel model for beyond-3g systems (SCME).
IST WINNER Project, Tech. Rep., May, 2005.
[12] Y.W. Blankenship, P.J. Sartori, B.K. Classon, V. Desai, and K.L. Baum.
Link error prediction methods for multicarrier systems. In Vehicular
Technology Conference, 2004. VTC2004-Fall. 2004 IEEE 60th, volu-
me 6, pages 4175–4179 Vol. 6, Sept 2004.
[13] K. Brueninghaus, D. Astely, T. Salzer, S. Visuri, A. Alexiou, S. Karger,

and G.-A. Seraji. Link performance models for system level simulations
of broadband radio access systems. In Personal, Indoor and Mobile
Radio Communications, 2005. PIMRC 2005. IEEE 16th International
Symposium on, volume 4, pages 2306–2311 Vol. 4, Sept 2005.
[14] 3GPP. Spacial channel model for Multiple Input Multiple Output
(MIMO) simulations. TR 25.996, 3rd Generation Partnership Project
(3GPP), June 2007.
[15] Tao Cui, Feng Lu, Vignesh Sethuraman, Anil Goteti, Subramanya PN
Rao, and Parvathanathan Subrahmanya. Throughput optimization in
high speed downlink packet access (HSDPA). Wireless Communications,
IEEE Transactions on, 10(2):474–483, 2011.
[16] Javier Alonso, Luis Mendo, and Jesús Silveira. Simulation of schedu-
ling gains in LTE. XXIX Simposium Nacional de la Unión Científica
Internacional de Radio, 2014.
Anexo 1: Artículo para URSI
2014
En este anexo se muestra el artículo escrito [16] derivado de la realiza-

ción de este PFC; presentado en el XXIX Simposium Nacional de la Unión
Científica Internacional de Radio, celebrado del 3 al 5 se septiembre de 2014
en la ciudad de Valencia.
Se escogió escribir el artículo en lengua inglesa para aumentar su visibili-
dad fuera de los países hispanohablantes. Además está escrito con el sistema
de composición LATEX, con lo cual su formato es el estándar de las publica-
ciones en este ámbito, en la línea de los artículos presentados por ejemplo, al
IEEE.
La ponencia del artículo fue realizada el día 5 de septiembre de 2014 en
la sesión de mañana entre las 11:00 y las 14:00.
119
Simulation of scheduling gains in LTE
Jesús Javier Alonso Sánchez(1) , Luis Mendo Tomás(1) , Jesús Silveira(2)
jjalonso@grc.ssr.upm.es, lmendo@grc.ssr.upm.es, jesus.silveira@aptica.es
(1)
Dpto. de Señales, Sistemas y Radiocomunicaciones. Universidad Politécnica de Madrid.
Avenida Complutense n 30, “Ciudad Universitaria”. 28040 - Madrid (Spain)
(2)
Aptica S.L. Avda. de la Albufera, 321. Planta 5 - Oficina 10. 28031 - Madrid (Spain)
Abstract— This paper describes the implementation of an LTE The target of this paper is to describe an LTE simulator
downlink simulator that is able to precisely model the fast time capable of deploying a multi-user scenario involving one
and frequency variations existing in a multipath channel. This is BS transmitting to different users. The simulator is able to
decisive to properly simulate the gains achievable by the channel-
dependent scheduling LTE is capable of. The aim of this study is accurately characterize all the propagation effects, mainly
to investigate the relationship between the throughput achieved multipath propagation, so the scheduler can exploit the benefits
by a base station and parameters of active users in the cell (such of a fast time and frequency changing channel.
as SINR or speed). The ultimate goal is to obtain a model that The ultimate goal of this whole project is to find a “link”
can predict throughput as a function of a few selected parameters between the BS throughput and a reduced set of relevant users’
that characterize users’ conditions. A proportional fair scheduler
is used because of its ability to maximize the BS throughput while parameters such as speed, signal-to-interference-plus-noise
preventing user starvation. Some conclusions are drawn on the ratio (SINR), etc. so that the BS throughput could be obtained
main parameters affecting the BS throughput based on results just by knowing the values of those relevant parameters. High
obtained so far. level LTE design suites could take advantage of these results
and apply them in their inner calculations without performing
I. I NTRODUCTION low-level link simulations, hence improving accuracy whilst
Within the past two decades, the evolution of mobile com- keeping computational expenses low. Specifically, the results
munication networks has been unstoppable, with releases of obtained are meant to be included to the radio planning suite
new systems appearing every few years. All of them have Xirio-Online, developed by Aptica Consulting, as a part of
brought in increased capabilities -essentially, throughput- in their strategy for keeping their products up with the latest
order to meet the raising urges of the customer base. In technologies available in mobile communications.
the late nineties Wideband Code Division Multiplexed Access The organization of the paper is as follows: in Section II
(WCDMA) emerged as the technology the radio access net- reasons behind the realization of this project are given. In
work should rely on for the next decade. WCDMA is used in Section III a detailed description of the simulator is presented,
third generation (3G) mobile communications systems such with a short overview of the multipath propagation model
as the Universal Mobile Telecommunications System (UMTS). used. In Section IV results obtained so far are shown, and
Despite the new features and capacity enhancements added by Section V exposes conclusions drawn from the project.
its latest releases1 , the capacity of the system can hardly reach II. R ELATED WORKS
dozens of Mbps. The 3GPP Long Term Evolution (LTE) is the
As has been previously stated, one of the main advantages
first fourth generation (4G) standard, and is called to be the
of LTE is that it can take advantage of the fast channel
successor to 3G systems and to improve its performance.
fluctuations that are due to multipath fading. The authors of
One of LTE’s main features is the different approach to
this paper had found that many commercial LTE planning
the use of the spectrum (compared to previous generations).
suites2 are not actually simulating the multipath channel,
It is based on the orthogonal frequency-division multiplexing
therefore not accurately modelling all the “scheduling gain”
(OFDM), which allows the network to allocate radio resources
LTE is capable of. The available documentation for all the
both in time and frequency. This, together with the use of
examined suites has no mention to algorithms or channel mod-
adaptive modulation and coding (AMC) techniques, leads
els considering multipath fading. The approaches proposed (if
to a new level of flexibility when scheduling several user
any) are essentially the same: adding a fixed throughput gain
equipment (UE) devices. Thus, an improvement on the average
to the one calculated using a round-robin scheduler. This work
throughput is obtained by the BS. To take full advantage of
is aiming at filling this gap.
this scheduling flexibility it is therefore essential to know the
detailed behavior of the channel, in other words: to charac- III. M ODEL
terize the channel as accurately as possible. This implies, of The case study is focused on the downlink of a frequency
course, some heavy computational effort. division duplex (FDD), single carrier LTE system. The case-
1 High-Speed Downlink Packet Access (HSDPA) in Rel. 5 and High-Speed 2 The gorup of considered suites includes recent versions of: Atoll, Mentum
Uplink Packet Access (HSUPA) in Rel. 6. Planet, Cellular Expert and ATDI CSI Telecom.
scenarios may vary between macrocell and microcell. Table 1 distributions are tuned to approximately match the dis-
shows other configurable parameters. tributions shown in [1]. Any user’s SINR also defines
The simulation process is based upon the following hypoth- its position within the cell coverage area.
esis and approximations: 3) Time and frequency changing multipath links are gen-
• A single cell is simulated, which is considered enough to erated for each user (in the form of channel coefficients
characterize the effects sought. arranged in channel matrices), including the specified
• The simulations should represent a time evolving channel. MIMO scheme (as explained in C).
• Different MIMO schemes are allowed. 4) Instant SINR is calculated from average SINR by using
• The following schedulers are considered: proportional the previously gathered channel coefficients.
fair (PF), round-robin (RR) and max-SINR (M-SINR) . 5) User computed channel quality indicator (CQI) is fed
• Traffic modeling: full buffer. There is always data await- back to the BS so that the scheduler can use it. The
ing to be transmitted to a certain user when scheduled. feedback modeling is intended to be realistic: a few
• In a first approach of the simulator only the downlink is milliseconds delay is simulated and the granularity of
considered. From a capacity perspective the downlink is the reports is several time-frequency slots (reporting a
far more interesting. CQI for each time and frequency resource would be
• Hybrid automatic repeat request (HARQ) gains are mod- unrealistic). This causes the scheduler not to have “per-
elled by including them in the used block error rate fectly accurate” information. The specific parameters
(BLER) tables. (time granularity and format) used for the CQI feedback
is the “eNodeB-configured”, as shown in [2] and [3].
A. Simulator description 6) The scheduler assigns time and frequency resources to
each user. A PF scheduler has been selected as the main
The simulator is implemented in Matlab and it is divided
scheduler although RR and M-SINR approaches are also
into two different parts: the core and the wrappers. The core
available.
consist of the files with the code that perform the actual cal-
7) When scheduling, the BS assigns a modulation an
culations (channel coefficients, schedulers, etc). The wrappers
coding scheme (MCS) to each user for transmitting.
are more heterogeneous pieces of code, some serve the purpose
8) Steps 4 to 7 are repeated until the configured simulation
of easing the deployment of multiple simulations, while others
duration is over.
are used to post-process the raw data, automate the information
gathering and summarize it into easy-to-understand schemes. C. Multipath fading and channel coefficients
All the parameters configurable by the user are shown in The simulator relies on an underlying multipath channel
Table 1. model, the 3GPP Spatial Channel Model (SCM) and its ex-
tension, the 3GPP Spatial Channel Model Extended (SCME).
Input parameter Possible values
Specifically, the Matlab implementations described in [4] and
Antenna schemes a × b, with a or b ≤ 2
[5] have been used and integrated in the simulator.
Scenario Macro (outdoor), Micro (outdoor)
As the authors state: “This channel model takes the multiple-
Number of UEs any ≥ 0
input multiple-output (MIMO) radio link parameters, model
Sampling time any ≥ 0 (def: 2 ms)
configuration parameters and antenna parameters as inputs and
Simulation lenght any ≥ 0
outputs the MIMO channel matrices”. Those channel matrices
Carrier frequency 0.8 GHz ≥ f ≥ 5 GHz
contain the channel coefficients for every possible spatial link
Frequency granularity any (def: 180 kHz)
(or path) between the base station and the user, for each user
Speed for all the users any ≥ 0
and for every time slot configured. A few subpaths within
Scheduler PF, RR or M-SINR
a path are also considered, each characterized by its unique
delay value (named τ ).
Table 1. Input parameters
Before digging further into the mathematical aspects related
to the processing of the SCME model output, we need to define
some parameters:
B. Simulation work flow
• u refers to the index of each antenna element in the
Each simulation involves several different steps that can be transmitting array (BS).
summed up in the following list: • s refers to the index of each antenna element in the
1) The user is prompted to configure all the required receiving array (MS).
parameters • k is the index of each user in the simulation.
2) Average signal to noise ratio (SINR) is generated for • n is the index of each time sample in which the simulation
each existing user from normal distributions (dB), with will take place. Each time sample corresponds to 2 ms.
both mean and variance tailored to the chosen case- • b is the index for each available frequency subbands
scenario. These SINR values should be understood as (frequency slots).
averages over fast multipath variations. The normal • d refers to the index of the existing delay subpaths.
• τ are the delay values associated to each d delay subpath. In the first case, the channel coefficients associated to each
From now on, the multidimensional channel matrix output link between the user and the BS are added in the form of
by the SCME Matlab implementation will be denoted as absolute square values. Eq. 2 shows this. This, essentially,
Cu,s,k,n,d . represents a maximal-ratio combining (MRC) technique as
SCM and SCME implementations don’t provide in an described in [6].
explicit way time and frequency channel coefficients (this is, U X
S
X
the time-varying frequency response of the channel). Those C1k,n,b = |Cu,s,k,n,b |2 (2)
models provide the impulse response of the channel, so some u=0 s=0
calculations need to be done from the data these actually pro-
In the second case, the channel coefficients are calculated by
vided. Time and frequency channel matrices are thus obtained
applying the singular value decomposition (SVD) technique
by applying the Fourier Transform (with respect to the delay
[6] to the appropriate channel coefficient matrix, described in
variable, τ ) to the channel matrix (Cu,s,k,n,d ), as is depicted
eq. 3.
in eq. 1.
  C2mm,k,n,b = SV D(|Ck,n,b |2 ) (3)

h1,1 ··· h1,b
 .. .. ..  = D. Scheduling and throughput calculations
Hn,b = . . . 
This is the most computing intensive part of the simulator.
hn,1 ··· hn,b
  M-SINR, RR and PF schedulers are available, while only
e−2jπf1 τ1 ··· e−2jπfb τ1 the latter two are being actually used. The data that actually
 .. .. .. 
= Cn,d  . . . = (1) matters is the one provided when simulating with the PF
e−2jπf1 τd ··· e−2jπfb τn scheduler whereas the RR scheduler is used —in a first
   −2jπf τ  approach— for comparative and testing purposes. The M-
c1,1 · · · c1,d e 1 1
· · · e−2jπfb τ1
 .. SINR is not used because it might cause starvation to some
= . .. ..   .. .. .. 
. .  . . .  users.
−2jπf1 τd −2jπfb τn The round-robin scheduler is fairly simple: there are fixed
cn,1 · · · cn,d e ··· e
time slots and the users are scheduled in order, obtaining the
where the matrix populated with cn,d coefficients results from same number of slots. The scheduled user takes the whole
the matrix cu,s,k,n,d when selecting specific values for k (a frequency band in a given time slot.
particular user), u and s (the latter two represent one of the The proportional fair scheduler is built around the metric
possible
paths between the BS and user antenna elements). stated in eq. 4:
f1 . . . fb represent the set of considered frequency val-
ues. The frequency axis is created around the carrier frequency TDAsu
Pus = (4)
selected when setting up the simulator. Each step between fu
R
these values is fixed to be equal to a certain amount (between 1
and several) of resource blocks (RB). There is a tradeoff here: where Pus is the priority of the user u in the subband S, TDAsu
the more the frequency granularity in the channel simulation, is the achievable throughput by the user u in the subband
S and R fu is the filtered throughput of the user u. A more
the heavier the computation is (specifically in terms of required
memory). The authors have found that a step of 8 RB made extensive description of the PF scheduler can be found in [3].
a huge improvement in performance causing only a small This calculation is made at every time slot.
reduction in accuracy. Fig. 1 shows an example of how the PF scheduler assings
Let Hu,s,k,n,b be the multidimensional channel matrix that time and frequency slots to a group of users.
comes from repeating the calculation made in eq. 1, for As eq. 5 illustrates, each user’s throughput is obtained from
every user k, and every possible path between transmitter and MCS and BLER values.
receiver antenna elements (u, s). For each combination of u,
s, and k a specific Hn,b is obtained. Th = (1 − BLER) · Thraw (5)
Oce the time and frequency channel coefficients are known, T h refers to the final throughput and T hraw is the theoretical
the next step is to determine the actual SINR the users have at (raw) throughput, which is obtained from the MCS value.
every instant (and in frequency as well). Assuming MIMO has Keeping in mind that a certain user may be allocated in
been included in the analysis, two possible cases are evaluated several subbands at a given time slot, the MCS is obtained by
(either one or the other, defined by the rank indicator, may calculating the average CQI along all the user-reported CQI
occur depending on the later calculations the BS makes with values per subband, and then mapping this average CQI to an
the fed back CQI): MCS value. The BLER value is calculated in a similar way:
• The system uses diversity to transmit to the user. an exponential effective SINR mapping (EESM) calculation is
• The system uses two spatial channel to transmit to the performed over all the existing SINR values in the scheduled
user (actual 2 × 2 MIMO). subbands, and then mapped to a BLER value by using the
V. C ONCLUSIONS AND FUTURE WORK
After studying the data gathered from the extensive simu-
lations some patterns are revealing:
• The number of active users in the cell affects the through-
put of the base station, but in a lesser way than expected.
The tested number of users has been 3 and 10.
• Mean SINR clearly affects the BS throughput. This was
of course an expected result because of the ACM and
scheduling techniques implemented in the simulator.
• Mean SINR does not completely determine the BS
throughput. This was expected, because there is other
phenomena that may affect capacity. For example: with
a given SINR, the fact of the users’ SINR being more
disperse can produce a bigger throughput because the
scheduler resource allocation is biased to the users with
Fig. 1. Example of 10 users scheduled over a short time in a microcell better propagation conditions.
scenario This set of conclusions shows a more specific line of
research, allowing us to go more in depth in the study of
some parameters and their relation to the BS throughput.
static curves shown in [7]. The chosen EESM implementation Future work may include adapting the simulator to the new
is the one suggested by [8] and [9]. iteration of LTE, LTE Rel.10, known as LTE-Advanced (LTE-
A). This implies adding new features like higher-order MIMO
IV. R ESULTS support and carrier aggregation (CA). Other plausible upgrade
The project this paper describes is, at the time of writing could be adding a user interface to use the simulator in a more
the document, an ongoing project. Despite this fact, some simplified way.
outcomes have been gathered from the work done so far. In S PECIAL THANKS
Fig. 2 a part of the results is shown. The throughput results
obtained by several3 BS is presented as a function of the mean The authors would like to make a special mention to Aptica
and the standard deviation of the users’ SINR values. It is Consulting (http://www.aptica.es) and to the SSR
interesting to note that the throughput pattern shown roughly department in thanks for their support.
repeats all over the sets of simulations performed no matter R EFERENCES
the parameters selected.
[1] P. Mogensen, Wei Na, I.Z. Kovacs, F. Frederiksen, A. Pokhariyal, K.I.
Pedersen, T. Kolding, K. Hugl, and M. Kuusela. Lte capacity compared to
the shannon bound. In Vehicular Technology Conference, 2007. VTC2007-
Spring. IEEE 65th, pages 1234–1238, April 2007.
[2] Erik Dahlman, Stefan Parkvall, and Johan Skold. 4G: LTE/LTE-advanced
for mobile broadband. Academic Press, 2013.
[3] Stefania Sesia, Issam Toufik, and Matthew Baker. LTE: the UMTS long
term evolution. Wiley Online Library, 2009.
[4] Jari Salo, Giovanni Del Galdo, Jussi Salmi, Pekka Kyösti, Marko Milo-
jevic, Daniela Laselva, and Christian Schneider. Matlab implementation
of the 3gpp spatial channel model (3gpp tr 25.996). on-line, Jan, 2005.
[5] DS Baum, J Salo, M Milojevic, P Kyösti, and J Hansen. Matlab
implementation of the interim channel model for beyond-3g systems
(scme). IST WINNER Project, Tech. Rep., May, 2005.
[6] David Tse. Fundamentals of wireless communication. Cambridge
university press, 2005.
[7] Xiaowen Li, Qianjun Fang, and Liuwei Shi. A effective sinr link to
system mapping method for cqi feedback in td-lte system. In Computing,
Control and Industrial Engineering (CCIE), 2011 IEEE 2nd International
Conference on, volume 2, pages 208–211, Aug 2011.
[8] Y.W. Blankenship, P.J. Sartori, B.K. Classon, V. Desai, and K.L. Baum.
Link error prediction methods for multicarrier systems. In Vehicular
Technology Conference, 2004. VTC2004-Fall. 2004 IEEE 60th, volume 6,
pages 4175–4179 Vol. 6, Sept 2004.
Fig. 2. BS throughput scatterplot distribution. 10 users over a macrocell
[9] K. Brueninghaus, D. Astely, T. Salzer, S. Visuri, A. Alexiou, S. Karger,
scenario
and G.-A. Seraji. Link performance models for system level simulations
of broadband radio access systems. In Personal, Indoor and Mobile
Radio Communications, 2005. PIMRC 2005. IEEE 16th International
3 The number of simulations done with a given set of parameters is usually Symposium on, volume 4, pages 2306–2311 Vol. 4, Sept 2005.
around a thousand simulations. This is considered enough to extract relevant
data. Perform all the simulations takes usually 5 or 6 days of computing.

Lte Proyecto Fin de Carrera

Cargado por

Información del documento

Descripción original:

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Lte Proyecto Fin de Carrera

Cargado por

Copyright:

Formatos disponibles

UNIVERSIDAD POLITÉCNICA DE MADRID

ESCUELA TÉCNICA SUPERIOR DE INGENIEROS DE

PROYECTO FIN DE CARRERA

SIMULACIÓN DEL ENLACE DESCENDENTE EN REDES

AUTOR: D. Jesús Javier Alonso Sánchez

TUTOR: D. Luis Mendo Tomás

MIEMBROS DEL TRIBUNAL

VOCAL: D. José Manuel Riera Salís

SECRETARIO: D. Luis Mendo Tomás

SUPLENTE: D. Miguel Pérez Guerrero

FECHA DE LECTURA: _____________

PROYECTO FIN DE CARRERA

SIMULACIÓN DEL ENLACE DESCENDENTE EN REDES LTE

JESÚS JAVIER ALONSO SÁNCHEZ

En este Proyecto de Fin de Carrera se describe la implementación de un si-

LTE, Multitrayecto, Planificador, Simulación, Adaptación al enlace, Matlab,

2.5.2. Informes de canal periódicos . . . . . . . . . . . . . . . 38

5. Conclusiones y líneas futuras 111

Anexo 1: Artículo para URSI 2014 119

2.1. Evolución de las comunicaciones móviles desde los años 90

2.25. Mapeo de bloques de transporte a puertos de antena para

3.1. Flujo general de ejecución del simulador desarrollado . . . . . 45

3.10. Gráfica de número de recursos asignados según tipo de multi-

4.1. Visión general del proceso de post-procesado, así como de las

5.1. Categorías de terminales [1] . . . . . . . . . . . . . . . . . . . 113

3.1. Parámetros de configuración usados en el modelo SCM . . . . 48

4.1. Input parameters . . . . . . . . . . . . . . . . . . . . . . . . . 78

La escritura de este proyecto supone el punto final a un largo camino;

LTE Long-Term Evolution

Las Comunicaciones Móviles se han convertido en un elemento básico pa-

PFC: el estudio requerido para el dimensionamiento de un despliegue comple-

1.2. Estructura de la memoria

Capítulo 3 - “Simulador LTE” Describe en toda su extensión el simu-

Capítulo 4 - “Resultados de las simulaciones” En este capítulo se mues-

Capítulo 5 - “Conclusiones y líneas futuras” Contiene las conclusiones

El objetivo de este capítulo es ofrecer un resumen sobre distintos con-

2.1. Introducción al sistema LTE

soportar una gran cantidad de servicios distintos. Los parámetros fundamen-

Retardo. Es un elemento fundamental dentro de los perfiles de uso

caso un retardo bajo afecta positivamente a la experiencia de uso de

Capacidad. Desde el punto de vista del operador de una red de Comu-

En el marco de las características descritas, es importante mencionar

2.1.1. Principios básicos de transmisión: OFDM

Gran cantidad de subportadoras de banda estrecha y ortogonales.

Los símbolos de cada subportadora tienen una forma rectangular en el

Separación muy reducida en el dominio de la frecuencia para para las

Una descripción básica de un modulador OFDM puede verse en la Figura

donde xk (t) es la k-ésima subportadora, con una frecuencia igual a fk = k·∆f

(a) Pulso (b) Sinc

Figura 2.2: Formas de las señales básicas empleadas en el esquema

Figura 2.3: Espaciado de subportadoras en OFDM [1]

Durante cada intervalo de símbolo OFDM, Nc símbolos son transmitidos

Figura 2.4: Ejemplo de modulador OFDM [1]

El número de subportadoras OFDM puede variar desde varios cientos a

Máxima selectividad en frecuencia del canal (o máxima dispersión tem-

Variabilidad temporal del canal (variabilidad de la respuesta en fre-

Una vez decidido el espaciado entre subportadoras apropiado al canal,

por tanto, el recurso físico no es sólo temporal, sino también frecuencial,

Figura 2.5: Recursos de transmisión usando un esquema de transmisión

(a) Señal de banda ancha (b) Señal OFDM

Figura 2.6: Comportamiento de una señal OFDM en contraposición a una

Figura 2.7: Multiplexado en frecuencia de diferentes usuarios en el canal